diff --git a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/constraints.md b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/constraints.md
index a4b718d54f2138d4485d131b5aee77cf0d0461eb..2f9297684be9b44c0b7a729f48d6f4e5e2413e9a 100755
--- a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/constraints.md
+++ b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/constraints.md
@@ -7,22 +7,22 @@
 1. Dispatch机制
 2. Storage机制
 3. 静态编译机制
+4. DTensor与FSDP2
 
-这些机制的不同，导致用户需要手动修改代码，或者部分功能暂时不支持。
+这些机制的不同，部分功能暂时不支持。
 
 ## Dispatch机制
 
 `torch.dispatch` 是 PyTorch 中用于拦截和自定义张量操作的机制。它允许开发者在张量运算被调用时插入自己的逻辑，无论是为了调试、性能优化，还是实现特定领域的功能增强。这个特性是在 PyTorch 1.7中引入的，并且为高级用户提供了强大的能力来扩展PyTorch的功能。
 
 - Dispatch机制：当用户执行任何张量操作（例如加法、乘法等）时，实际上都是通过PyTorch的dispatch机制进行的。该机制决定了哪个具体实现（CPU、CUDA等）应该被执行。
-- torch.Tensor的子类化：通过创建一个继承自torch.Tensor的新类，并使用@torch_dispatch装饰器，用户可以自定义这些操作的行为。
+- torch.Tensor的子类化：通过创建一个继承自torch.Tensor的新类，并使用`__torch_dispatch__`，用户可以自定义这些操作的行为。
 
-当前MindSpore Storage机制在规划设计中，未来会支持。当前MSAdapter暂时不支持以下相关接口：
+当前MindSpore Dispatch机制在规划设计中，未来会支持。当前MSAdapter暂时不支持以下相关接口：
 
-1. torch.Tensor.to()
-2. torch自定义算子涉及dispatch部分
+1. torch自定义算子涉及dispatch部分
 
-**以上接口需要用户手动修改，即无需进行.to()操作， MSAdapter默认将模型与Tensor放置于Ascend NPU。可参考[快速入门](quick_start.md#torchtensorto)。**
+**MSAdapter支持.to()操作， 但是默认将模型与Tensor放置于Ascend NPU，与torch在默认行为上有区别。**
 
 ## Storage机制
 
@@ -51,7 +51,7 @@ x_loaded = torch.load('tensor.pt') # 加载张量
 model.load_state_dict(torch.load('model_params.pt'))  # 加载参数
 ```
 
-**MSAdapter已经支持torch.load，使用MindSpore 2.7.0后，MSAdapter将支持torch.save相关功能。**
+**使用MindSpore 2.7.1后、MSAdapter支持torch.save、torch.load相关功能。但是torch无法加载我们保存的文件。**
 
 ## 静态编译机制
 
@@ -92,3 +92,7 @@ traced_model = torch.fx.symbolic_trace(model) # 使用 fx.symbolic_trace 追踪
 ```
 
 **此类接口由于MindSpore与PyTorch底层实现不同，MSAdapter暂不支持。**
+
+## DTensor与FSDP2
+
+**DTensor与FSDP2将在MSAdapter实现相关功能，正在开发中。**
\ No newline at end of file
diff --git a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/install.md b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/install.md
index fd4522993c69b62f164698593b01249938de22a1..aa0b7c66d7152d9351ca795e4380094bf887b05e 100755
--- a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/install.md
+++ b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/install.md
@@ -2,19 +2,22 @@
 
 [![查看源文件](https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/website-images/master/resource/_static/logo_source.svg)](https://gitee.com/mindspore/docs/blob/master/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/install.md)
 
-在昇腾NPU设备上，完成[昇腾固件](https://www.hiascend.com/document/detail/zh/canncommercial/80RC3/softwareinst/instg/instg_0003.html?Mode=PmIns&OS=Ubuntu&Software=cannToolKit)的安装后，执行以下步骤完成PyTorch、MindSpore和MSAdapter的安装：
+在昇腾NPU设备上，完成[昇腾固件](https://www.hiascend.com/document/detail/zh/canncommercial/83RC1/softwareinst/instg/instg_0003.html?Mode=PmIns&InstallType=local&OS=Ubuntu&Software=cannToolKit)的安装后，执行以下步骤完成MindSpore和MSAdapter的安装：
 
-## 1. 安装PyTorch和MindSpore
+## 1. 安装MindSpore
 
 ```bash
-pip install torch==2.1.0
 pip install mindspore
 ```
 
+推荐使用最新版本MindSpore，当前版本为2.7.1。无需安装PyTorch。
+
 ## 2. 下载安装MSAdapter源码
 
 目前MSAdapter不支持`pip install msadapter`方式安装，仅支持源码直接使用和源码编译安装。
 
+启智社区源码：https://openi.pcl.ac.cn/OpenI/MSAdapter
+
 - 如果用户希望直接使用源码，设置如下环境环境变量：
 
     ``` bash
@@ -27,7 +30,7 @@ pip install mindspore
 - 如果用户希望以Python安装包编译的形式使用，进入MSAdapter目录，进行源码编译操作：
 
     ```bash
-    git clone https://gitee.com/mindspore/msadapter.git
+    git clone https://openi.pcl.ac.cn/OpenI/MSAdapter
     cd msadapter
     bash scripts/build.sh
     pip install ${your_workspace}/msadapter/dist/*.whl
diff --git a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/llm.md b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/llm.md
index 4d41af4e52d76b6038cce40bd162fb3f1b952ae0..4b0f7848e4481febb676f505be15fc120c8f96cc 100755
--- a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/llm.md
+++ b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/llm.md
@@ -4,10 +4,10 @@
 
 大模型训练是一种非常复杂的过程，涉及到分布式并行领域许多技术和挑战，当前Megatron已经成为业界主流的大模型加速库。为满足用户大模型代码更快在MindSpore上迁移使用，MSAdapter当前版本已经支持MindSpeed加速库，兼容Megatron生态。当前已经支持DeepSeek/Qwen等主流模型，未来MSAdapter持续演进，支持更多业界主流生态模型。
 
-希望学习使用MSAdapter进行大模型开发请参考：[MindSpeed MindSpore后端迁移开发指南](https://gitee.com/ascend/MindSpeed-Core-MS/blob/master/docs/develop_guide.md)。
+希望学习使用MSAdapter进行大模型开发请参考：[MindSpeed MindSpore后端迁移开发指南](https://gitcode.com/Ascend/MindSpeed-Core-MS/blob/master/docs/develop_guide.md)。
 
 此外，在MindSpeed加速库的基础上也提供了大语言模型、多模态模型套件加速库，用户可以安装MSAdapter及配套昇腾软件直接使用：
 
-1. 大语言模型库：[MindSpeed-LLM](https://gitee.com/ascend/MindSpeed-LLM/blob/master/docs/mindspore)
+1. 大语言模型库：[MindSpeed-LLM](https://gitcode.com/Ascend/MindSpeed-LLM/blob/master/docs/mindspore)
 
-2. 多模态模型库：[MindSpeed-MM](https://gitee.com/ascend/MindSpeed-MM/blob/master/docs/mindspore/getting_start.md)
\ No newline at end of file
+2. 多模态模型库：[MindSpeed-MM](https://gitcode.com/Ascend/MindSpeed-MM/blob/master/docs/mindspore/getting_start.md)
\ No newline at end of file
diff --git a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/quick_start.md b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/quick_start.md
index fa53fcc1f527c279d2dc4d950a5241e4526b271e..e2ebde4635fede698dd37e3792d91baf6f186f67 100755
--- a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/quick_start.md
+++ b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/quick_start.md
@@ -6,7 +6,7 @@
 
 模型适配详细步骤如下：
 
-1. 使能MSAdapter
+1. 使用MSAdapter
 2. 训练
 
 ## PyTorch用例
@@ -46,11 +46,7 @@ def data_process(inputs, labels):
 def main():
     # 获取传参
     args = parse_args()
-    transform = transforms.Compose([
-        transforms.ToTensor(),
-        transforms.Normalize((0.5,), (0.5,))
-    ])
-    train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform)
+    train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transforms.ToTensor())
     # 加载数据集
     train_loader = DataLoader(train_dataset, batch_size=args.batch_size, shuffle=True)
     model = ToyModel().to('cuda')
@@ -81,9 +77,9 @@ if __name__ == "__main__":
 
 接下来，对应PyTorch的完整流程，说明如何使用MSAdapter完成相同的任务。
 
-### 1. 使能MSAdapter
+### 1. 使用MSAdapter
 
-MSAdapter已经兼容PyTorch的各类子模块，这里使能MSAdapter有两种方式第一种是微调脚本切换后端，第二种是环境变量切换。
+MSAdapter已经兼容PyTorch的各类子模块，这里使用MSAdapter有两种方式第一种是微调脚本切换后端，第二种是环境变量切换。
 
 #### 1.1 微调脚本切换后端
 
diff --git a/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/release_notes.md b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/release_notes.md
new file mode 100644
index 0000000000000000000000000000000000000000..f08a94064d9baec283be9d2a6d6b2544ac15879b
--- /dev/null
+++ b/docs/msadapter/docs/source_zh_cn/msadapter_user_guide/release_notes.md
@@ -0,0 +1,11 @@
+# 发布说明
+
+## MSAdapter 0.5.0 Release Notes
+
+### 主要特性
+
+- 支持torch相同的backward调用方式。
+
+- 支持torch.to()相关接口。
+
+- 支持torch.view()相关操作。
\ No newline at end of file