diff --git a/doc/CUBE_LOCAL_CN.md b/doc/CUBE_LOCAL_CN.md
index ff8d3262f4e7022938b7ce3ae1afb0da211273c0..aea77b63d39e33bba452a144ef887634bc2b8bf5 100644
--- a/doc/CUBE_LOCAL_CN.md
+++ b/doc/CUBE_LOCAL_CN.md
@@ -1,5 +1,7 @@
 # 单机版稀疏参数服务器Cube
 
+([简体中文](./CUBE_LOCAL.md)|English)
+
 ## 引言
 
 在python/examples下有两个关于CTR的示例，他们分别是criteo_ctr, criteo_ctr_with_cube。前者是在训练时保存整个模型，包括稀疏参数。后者是将稀疏参数裁剪出来，保存成两个部分，一个是稀疏参数，另一个是稠密参数。由于在工业级的场景中，稀疏参数的规模非常大，达到10^9数量级。因此在一台机器上启动大规模稀疏参数预测是不实际的，因此我们引入百度多年来在稀疏参数服务器上的工业级产品Cube，提供分布式的稀疏参数服务。