diff --git a/S1/ICVXKH/example_cudacode.py b/S1/ICVXKH/example_cudacode.py
index 3232300efee7e8feeb1170f2ea03d12b1295c238..f95d0786c2bf5ed2ce522ac7d523acfc208fa2e2 100644
--- a/S1/ICVXKH/example_cudacode.py
+++ b/S1/ICVXKH/example_cudacode.py
@@ -11,7 +11,7 @@ __global__ void relu_kernel(const float* x, float* y, int size) {
     int idx = blockIdx.x * blockDim.x + threadIdx.x;
     if (idx < size) {
         y[idx] = fmaxf(x[idx], 0.f);
-    }
+    } 
 }
 
 torch::Tensor relu_cuda(torch::Tensor x) {
diff --git a/S1/ICVXKH/example_torchcode.py b/S1/ICVXKH/example_torchcode.py
index 7e9d5f81ee131019d1d7b05c161a44ba01c2bf30..1322b740e5c0f66ac68660b475636eadd89d1e2c 100644
--- a/S1/ICVXKH/example_torchcode.py
+++ b/S1/ICVXKH/example_torchcode.py
@@ -11,7 +11,7 @@ class Model(nn.Module):
     
     def forward(self, x: torch.Tensor) -> torch.Tensor:
         """
-        Performs matrix multiplication and applies ReLU activation.
+        Performs matrix multiplication and applies ReLU activation. 
 
         Args:
             x (torch.Tensor): Input tensor of shape [batch_size, input_dim]
diff --git a/S1/ICVXKH/prompt.txt b/S1/ICVXKH/prompt.txt
index 0deaedc34e51c38683026b099aefb08c820ea7f9..4da4fbf20c0e67bd352791afba159c6a0daf2370 100644
--- a/S1/ICVXKH/prompt.txt
+++ b/S1/ICVXKH/prompt.txt
@@ -9,7 +9,7 @@ import torch
 import torch.nn as nn
 import torch.nn.functional as F
 
-
+ 
 class Model(nn.Module):
     def __init__(self) -> None:
         super().__init__()
diff --git a/S1/ICVXKH/readme.md b/S1/ICVXKH/readme.md
index 1447c24c7d000100b76060b829fff2fcbb93515f..787662d6e1f0d88b9339b3d11a568a5e5688579d 100644
--- a/S1/ICVXKH/readme.md
+++ b/S1/ICVXKH/readme.md
@@ -6,4 +6,4 @@ example_cudacode.py：和torch对应的cuda代码
 
 prompt.txt：利用LLM从torch代码生成cuda代码的prompt示例，（原始torch代码被附在prompt最后）
 
-run_code.py：用于测试生成的cuda代码和原始torch输出是否一致以及加速情况的示例代码
+run_code.py：用于测试生成的cuda代码和原始torch输出是否一致以及加速情况的示例代码 
diff --git a/S1/ICVXKH/run_code.py b/S1/ICVXKH/run_code.py
index 24e869475896c03b5ea8ad44742706f3182d9154..54ce4b25943a3ce0378ff7ca45ac1081471e4a3c 100644
--- a/S1/ICVXKH/run_code.py
+++ b/S1/ICVXKH/run_code.py
@@ -9,7 +9,7 @@ from example_cudacode import ModelNew
 
 def run_benchmark():
     # 检查 CUDA 是否可用
-    if not torch.cuda.is_available():
+    if not torch.cuda.is_available(): 
         print("CUDA 不可用，请确保您有可用的 NVIDIA GPU 并已正确安装 PyTorch CUDA 版本。")
         return
     else:
diff --git "a/S1/ICVXKH/\345\217\202\350\265\233\350\200\205\351\234\200\350\246\201\346\217\220\344\276\233\347\232\204\345\206\205\345\256\271.md" "b/S1/ICVXKH/\345\217\202\350\265\233\350\200\205\351\234\200\350\246\201\346\217\220\344\276\233\347\232\204\345\206\205\345\256\271.md"
index cb7588043339a54d759bed2514a78ca7014a9ef6..72586d94ef3537b27a0a0f977c20f4406a8e0775 100644
--- "a/S1/ICVXKH/\345\217\202\350\265\233\350\200\205\351\234\200\350\246\201\346\217\220\344\276\233\347\232\204\345\206\205\345\256\271.md"
+++ "b/S1/ICVXKH/\345\217\202\350\265\233\350\200\205\351\234\200\350\246\201\346\217\220\344\276\233\347\232\204\345\206\205\345\256\271.md"
@@ -1,4 +1,4 @@
 1. 根据example_torchcode.py的格式，提供一个torch实现的op，命名为torchcode.py
 2. 仿照prompt.txt的写法，利用llm（deepseek、通义千问、GPT、Gemini等大模型）生成一个初始的cuda算子，按照example_cudacode.py的格式组织成一个可以运行的cuda op，命名为cudacode_ori.py，并且利用run_code.py 检查算子精度
 3. 在符合精度要求的cudacode_ori.py基础上，进行cuda算子性能优化，用run_code.py检查算子精度和加速比，形成最终的最优性能的cuda算子实现，命名为cudacode_opt.py，格式符合example_cudacode.py
-4. 针对每一个op，参赛者需要提供四个文件，torchcode.py、prompt.txt、cudacode_ori.py、example_cudacode.py
\ No newline at end of file
+4. 针对每一个op，参赛者需要提供四个文件，torchcode.py、prompt.txt、cudacode_ori.py、example_cudacode.py 
\ No newline at end of file