diff --git a/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-70B/README.md b/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-70B/README.md
index 6d0a64e5dfbbf10cbfec819021464a095f9bdab7..c354fa23073a3d679fc6ceee8cd3e20458e12598 100644
--- a/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-70B/README.md
+++ b/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-70B/README.md
@@ -78,23 +78,18 @@ docker exec -it ${容器名称} bash
 
 ## 量化权重生成
 ### Atlas 800I A2 w8a8量化
-* 生成量化权重依赖msModelSlim工具，安装方式见[此README](https://gitee.com/ascend/msit/tree/dev/msmodelslim)
-
-* 量化权重统一使用${ATB_SPEED_HOME_PATH}/examples/convert/model_slim/quantifier.py脚本生成，以下提供Llama模型量化权重生成快速启动命令
+* 生成量化权重依赖msModelSlim工具，安装方式见[此README](https://gitee.com/ascend/msit/blob/master/msmodelslim/README.md#msmodelslim%E5%AE%89%E8%A3%85%E6%96%B9%E5%BC%8F)
+* 进入到{msModelSlim工具路径}/msit/msmodelslim/example/Llama的目录 `cd msit/msmodelslim/example/Llama`；
 
 * W8A8量化权重请使用以下指令生成
     * 注意该量化方式仅支持在Atlas 800I A2服务器上运行
-
 ```shell
 # 设置CANN包的环境变量
 source /usr/local/Ascend/ascend-toolkit/set_env.sh
 # 关闭虚拟内存
 export PYTORCH_NPU_ALLOC_CONF=expandable_segments:False
-# 进入atb-models目录
-cd ${ATB_SPEED_HOME_PATH}
-sed -i '167s/m3/m4/' examples/models/llama3/generate_quant_weight.sh
-# DeepSeek-R1-Distill-Llama-70B量化 bf16，有回退层，antioutlier使用m4算法配置，使用min-max量化方式，校准数据集使用50条BoolQ数据，在NPU上进行运算
-bash examples/models/llama3/generate_quant_weight.sh -src {浮点权重路径} -dst {W8A8量化权重路径} -type llama3.1_70b_instruct_bf16_w8a8
+# 运行量化转换脚本
+python3 quant_llama.py --model_path {浮点权重路径} --save_directory {W8A8S量化权重路径} --calib_file ../common/boolq.jsonl  --device_type npu --disable_level L5 --anti_method m4 --act_method 3
 ```
 
 ## 纯模型推理
@@ -109,7 +104,7 @@ cd $ATB_SPEED_HOME_PATH
 执行对话测试
 
 ```shell
-torchrun --nproc_per_node 2 \
+torchrun --nproc_per_node 8 \
          --master_port 20037 \
          -m examples.run_pa \
          --model_path ${权重路径} \
diff --git a/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-8B/README.md b/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-8B/README.md
index 16e5e563cfeddda5962411fcc83c3c99c10b6515..0ec989ff2235bf9f9ce16cc6d4cf033e4d92fc5f 100644
--- a/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-8B/README.md
+++ b/MindIE/LLM/DeepSeek/DeepSeek-R1-Distill-Llama-8B/README.md
@@ -26,8 +26,8 @@ Using the reasoning data generated by DeepSeek-R1, DeepSeek AI fine-tuned severa
 | HDK | 24.1.0 |
 
 ## 约束条件
-* 部署DeepSeek-R1-Distill-Llama-8B模型至少需要`1台Atlas 800I A2服务器`或者`1台插1张Atlas 300I DUO卡的服务器`或者`1台插1张Atlas 300I Pro推理卡的服务器`或者`1台插1张Atlas 300V视频解析卡的服务器`
-* 在使用Atlas 300I DUO/Atlas 300I Pro推理卡和Atlas 300V视频解析卡部署模型时，需要修改权重目录下的config.json文件，"torch_dtype"字段改为"float16"
+* 部署DeepSeek-R1-Distill-Llama-8B模型至少需要`1台Atlas 800I A2服务器`或者`1台插1张Atlas 300I DUO卡的服务器`
+* 在使用Atlas 300I DUO推理卡部署模型时，需要修改权重目录下的config.json文件，"torch_dtype"字段改为"float16"
 * 支持TP=1/2/4/8推理
 
 ## 新建容器
@@ -79,7 +79,7 @@ docker exec -it ${容器名称} bash
 
 ## 量化权重生成
 ### Atlas 800I A2 w8a8量化
-* 生成量化权重依赖msModelSlim工具，安装方式见[此README](https://gitee.com/ascend/msit/tree/dev/msmodelslim)
+* 生成量化权重依赖msModelSlim工具，安装方式见[此README](https://gitee.com/ascend/msit/blob/master/msmodelslim/README.md#msmodelslim%E5%AE%89%E8%A3%85%E6%96%B9%E5%BC%8F)
 
 * 量化权重统一使用${ATB_SPEED_HOME_PATH}/examples/convert/model_slim/quantifier.py脚本生成，以下提供Llama模型量化权重生成快速启动命令
 
@@ -97,11 +97,11 @@ cd ${ATB_SPEED_HOME_PATH}
 bash examples/models/llama3/generate_quant_weight.sh -src {浮点权重路径} -dst {W8A8量化权重路径} -type llama3.1_8b_w8a8
 ```
 
-### Atlas 300I DUO/Atlas 300I Pro/Atlas 300V稀疏量化
+### Atlas 300I DUO稀疏量化
 **Step 1 生成W8A8S量化权重**
-- 注意该量化方式仅支持在Atlas 300I DUO/Atlas 300I Pro/Atlas 300V卡上运行
+- 注意该量化方式仅支持在Atlas 300I DUO卡上运行
 - 修改模型权重config.json中`torch_dtype`字段为`float16`
-- 生成量化权重依赖msModelSlim工具，安装方式见[此README](https://gitee.com/ascend/msit/tree/dev/msmodelslim)
+- 生成量化权重依赖msModelSlim工具，安装方式见[此README](https://gitee.com/ascend/msit/blob/master/msmodelslim/README.md#msmodelslim%E5%AE%89%E8%A3%85%E6%96%B9%E5%BC%8F)
 - 进入到{msModelSlim工具路径}/msit/msmodelslim/example/Llama的目录 `cd msit/msmodelslim/example/Llama`；
 ```shell
 # 运行量化转换脚本
@@ -109,7 +109,7 @@ python3 quant_llama.py --model_path {浮点权重路径} --save_directory {W8A8S
 ```
 
 **Step 2 量化权重切分及压缩**
-- 该步骤需要在Atlas 300I DUO/Atlas 300I Pro/Atlas 300V上运行
+- 该步骤需要在Atlas 300I DUO卡上运行
 ```shell
 # 执行"jq --version"查看是否安装jq，若返回"bash：jq：command not found"，则依次执行"apt-get update"和"apt install jq"
 jq --version