Update ELASTIC_CTR.md

doc/ELASTIC_CTR.md

@@ -15,10 +15,10 @@ ELASTIC CTR
 
 本项目提供了端到端的CTR训练和二次开发的解决方案，主要特点：
 
-- 使用K8S集群解决原来在物理集群上训练时，会出现类似于配置参数冗杂，环境搭建繁复等问题。
-- 使用基于Kube-batch开发的Volcano框架来进行任务提交和弹性调度。
-- 使用Paddle Serving来进行模型的上线和预测。
-- 使用Cube作为稀疏参数的分布式存储，在预测端与Paddle Serving对接。
+- 整体方案在k8s环境一键部署，可快速搭建与验证效果
+- 基于Paddle transpiler模式的大规模分布式高速训练
+- 训练资源弹性伸缩
+- 工业级稀疏参数Serving组件，批量读取响应时间是redis的xx%，吞吐量是redis的xx倍
 
 本方案整体流程如下图所示：