diff --git a/4.人工智能/FunRec概述.md b/4.人工智能/FunRec概述.md
index 9c69eee..54e4b11 100644
--- a/4.人工智能/FunRec概述.md
+++ b/4.人工智能/FunRec概述.md
@@ -1,5 +1,24 @@
 # FunRec概述
 
+# 序言
+
+这是一篇datawhale的相当优秀的推荐系统教程，因此特别请相先生废了九牛二虎之力把FunRec的半套内容，较为完整的移植到了本wiki中。
+
+## 为什么要专门移植这篇？
+
+zzm个人以为推荐系统是一个非常有趣的横向和纵向都有很多应用的领域（放到外面是因为放到某一个模块下会因为次级链接太多把wiki撑爆了）
+
+若你想尝试一个新领域，也许这是一个不错的切入点。更何况，如果你想足够完整的构建一个有实际价值的推荐系统，可能需要你去了解相当全面的知识。
+
+在学习了基础内容之后，如果你想向着科研领域进发，也许对你而言最好的方式或许是选择一个大佬然后去follow他的进度。
+
+如果你想去找相关的工作，你可以自行去深入学习有关本教程内容的实践部分，甚至是阅读算法面经。
+
+同时只放上半部的原因是毕竟本偏内容是人工智能大类下的内容，后续可能会涉及一些前后端以及一些更为深入的东西，如果你只是想大致了解一下，那么阅读放在本片的内容被也许是一个不错的选择。
+
+再次感谢Datawhale的大伙做出了如此卓著的贡献
+
+# 正文
 本教程主要是针对具有机器学习基础并想找推荐算法岗位的同学。教程内容由推荐系统概述、推荐算法基础、推荐系统实战和推荐系统面经四个部分组成。本教程对于入门推荐算法的同学来说，可以从推荐算法的基础到实战再到面试，形成一个闭环。每个部分的详细内容如下：
 
 - **推荐系统概述。** 这部分内容会从推荐系统的意义及应用，到架构及相关的技术栈做一个概述性的总结，目的是为了让初学者更加了解推荐系统。
diff --git a/4.人工智能/ch02/ch2.2/ch2.2.5/MMOE.md b/4.人工智能/ch02/ch2.2/ch2.2.5/MMOE.md
index e135bd9..53ae82d 100644
--- a/4.人工智能/ch02/ch2.2/ch2.2.5/MMOE.md
+++ b/4.人工智能/ch02/ch2.2/ch2.2.5/MMOE.md
@@ -1,3 +1,5 @@
+# MMOE
+
 ## 写在前面
 
 MMOE是2018年谷歌提出的，全称是Multi-gate Mixture-of-Experts， 对于多个优化任务，引入了多个专家进行不同的决策和组合，最终完成多目标的预测。解决的是硬共享里面如果多个任务相似性不是很强，底层的embedding学习反而相互影响，最终都学不好的痛点。