diff --git a/PaddleNLP/PaddleDialogue/auto_dialogue_evaluation/README.md b/PaddleNLP/PaddleDialogue/auto_dialogue_evaluation/README.md
index b668351b7cf69b803f4b12c2bead54843b86c9ed..3120c29a147acf1fb9d26439c40c7dcfc424cb8d 100644
--- a/PaddleNLP/PaddleDialogue/auto_dialogue_evaluation/README.md
+++ b/PaddleNLP/PaddleDialogue/auto_dialogue_evaluation/README.md
@@ -62,7 +62,7 @@ seq2seq_att：seq2seq attention model 对话系统；
 seq2seq_naive：naive seq2seq model对话系统；
 ```
 
-注意: 目前ade模块内提供的训练好的官方模型及效果, 均是在GPU单卡上面训练和预测得到的, 用户如需复线效果, 可使用单卡相同的配置.
+注意: 目前ade模块内提供的训练好的官方模型及效果, 均是在GPU单卡上面训练和预测得到的, 用户如需复现效果, 可使用单卡相同的配置.
 
 ### 数据准备
     数据集说明：本模块内只提供训练方法，真实涉及的匹配数据及4个对话系统的数据只开源测试集数据，仅提供样例，用户如有自动化评估对话系统的需求，可自行准备业务数据集按照文档提供流程进行训练；
@@ -314,9 +314,9 @@ export CUDA_VISIBLE_DEVICES=
 单卡预测：
 export CUDA_VISIBLE_DEVICES=0 #用户可自行指定空闲的卡
 ```
-注：预测时，如采用方式一，用户可通过修改run.sh中init_from_params参数来指定自己需要预测的模型，目前代码中默认预测本模块提供的训练好的模型；
+注：预测时，如采用方式一，用户可通过修改run.sh中init_from_params参数来指定自己需要预测的模型，目前代码中默认使用本模块中训练好的模型进行预测；
 
-####     方式二: 执行预测相关的代码:
+####     方式二: 执行预测相关的shell命令脚本:
 
 ```
 export FLAGS_sync_nccl_allreduce=0
@@ -371,7 +371,7 @@ task_type: train、predict、evaluate、inference, 选择4个参数选项中任
 
     指定CPU或者GPU方法同上模型预测1中所示；
 
-####     方式二: 执行预测相关的代码:
+####     方式二: 执行预测相关的shell命令脚本:
 
 ```
 export FLAGS_sync_nccl_allreduce=0
@@ -454,7 +454,7 @@ bash run.sh matching evaluate
 
 注：评估计算ground_truth和predict_label之间的打分，默认CPU计算即可；
 
-####     方式二: 执行评估相关的代码:
+####     方式二: 执行评估相关的shell命令脚本:
 
 ```
 export CUDA_VISIBLE_DEVICES=  #指默认CPU评估
@@ -486,7 +486,7 @@ task_type: train、predict、evaluate、inference, 选择4个参数选项中任
 评估示例： bash run.sh human evaluate
 ```
 
-####     方式二: 执行评估相关的代码:
+####     方式二: 执行评估相关的shell命令脚本:
 
 ```
 export CUDA_VISIBLE_DEVICES=  #指默认CPU评估
@@ -528,7 +528,7 @@ export CUDA_VISIBLE_DEVICES=
 export CUDA_VISIBLE_DEVICES=0
 ```
 
-####     方式二: 执行inference model相关的代码:
+####     方式二: 执行inference model相关的shell命令脚本:
 
 ```
 export CUDA_VISIBLE_DEVICES=0  # 指GPU单卡推断
@@ -563,7 +563,7 @@ task_type: train、predict、evaluate、inference, 选择4个参数选项中任
 
     CPU和GPU指定方式同模型推断1中所示；
 
-####     方式二: 执行inference model相关的代码:
+####     方式二: 执行inference model相关的shell命令脚本:
 
 ```
 export CUDA_VISIBLE_DEVICES=0  # 指GPU单卡推断