diff --git a/_static/images/opencompass.png b/_static/images/opencompass.png
new file mode 100644
index 0000000..90bd471
Binary files /dev/null and b/_static/images/opencompass.png differ
diff --git a/_static/images/sentence_transformers.png b/_static/images/sentence_transformers.png
new file mode 100644
index 0000000..68841b6
Binary files /dev/null and b/_static/images/sentence_transformers.png differ
diff --git a/index.rst b/index.rst
index 7c02b17..af91ec5 100644
--- a/index.rst
+++ b/index.rst
@@ -287,7 +287,7 @@
-
+
Sentence Transformers
适用于文本和图像的高性能Embedding库
@@ -320,5 +320,23 @@
快速上手
+
+
+
+
+
+
OpenCompass
+
大模型标准测试工具
+
+
+
+
+
官方链接
+
|
+
安装指南
+
|
+
快速上手
+
+
diff --git a/sources/opencompass/index.rst b/sources/opencompass/index.rst
new file mode 100644
index 0000000..44e2476
--- /dev/null
+++ b/sources/opencompass/index.rst
@@ -0,0 +1,8 @@
+OpenCompass
+============
+
+.. toctree::
+ :maxdepth: 2
+
+ install.rst
+ quick_start.rst
diff --git a/sources/opencompass/install.rst b/sources/opencompass/install.rst
new file mode 100644
index 0000000..67dadb6
--- /dev/null
+++ b/sources/opencompass/install.rst
@@ -0,0 +1,81 @@
+安装指南
+==============
+
+本教程面向使用 OpenCompass & 昇腾的开发者，帮助完成昇腾环境下 OpenCompass 的安装。
+
+昇腾环境安装
+------------
+
+请根据已有昇腾产品型号及CPU架构等按照 :doc:`快速安装昇腾环境指引 <../ascend/quick_install>` 进行昇腾环境安装。
+
+.. warning::
+ CANN 最低版本为 8.0.rc1，安装 CANN 时，请同时安装 Kernel 算子包。
+
+Python 环境创建
+----------------------
+
+.. code-block:: shell
+ :linenos:
+
+ # 创建 python 3.10 的虚拟环境
+ conda create -y -n opencompass python=3.10
+ # 激活虚拟环境
+ conda activate opencompass
+
+
+OpenCompass 安装
+----------------------
+
+使用以下指令安装 OpenCompass:
+
+.. code-block:: shell
+ :linenos:
+
+ pip install -U opencompass -i https://pypi.tuna.tsinghua.edu.cn/simple
+
+ ## Full installation (with support for more datasets)
+ # pip install "opencompass[full]"
+
+ ## Environment with model acceleration frameworks
+ ## Manage different acceleration frameworks using virtual environments
+ ## since they usually have dependency conflicts with each other.
+ # pip install "opencompass[lmdeploy]"
+ # pip install "opencompass[vllm]"
+
+ ## API evaluation (i.e. Openai, Qwen)
+ # pip install "opencompass[api]"
+
+torch-npu 安装
+----------------------
+
+按照 :doc:`torch-npu 安装指引 <../pytorch/install>` 安装 2.1.0 版本 torch 和 torch-npu，或使用以下指令快速安装：
+
+.. code-block:: shell
+ :linenos:
+
+ # install the dependencies
+ pip3 install attrs numpy==1.26.4 decorator sympy cffi pyyaml pathlib2 psutil protobuf scipy requests absl-py wheel typing_extensions -i https://pypi.tuna.tsinghua.edu.cn/simple
+ # install torch and torch-npu
+ pip install torch==2.1.0 torch-npu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
+
+安装校验
+----------------------
+
+使用以下 Python 脚本对 open_clip 的安装进行校验，正确打印 open_clip 的版本号和 NPU 卡号说明安装成功。
+
+.. code-block:: python
+ :linenos:
+ :emphasize-lines: 2
+
+ import torch
+ import opencompass
+
+ print("opencompass version: ", opencompass.__version__)
+ print("NPU devices: ", torch.npu.current_device())
+
+正确回显如下（单卡 NPU 环境）：
+
+.. code-block:: shell
+
+ opencompass version: 0.3.3
+ NPU devices: 0
diff --git a/sources/opencompass/quick_start.rst b/sources/opencompass/quick_start.rst
new file mode 100644
index 0000000..547239d
--- /dev/null
+++ b/sources/opencompass/quick_start.rst
@@ -0,0 +1,170 @@
+快速开始
+==================
+
+.. note::
+ 阅读本篇前，请确保已按照 :doc:`安装教程 <./install>` 准备好昇腾环境及 OpenCompass ！
+
+本文档帮助昇腾开发者快速使用 OpenCompass × 昇腾 进行训练和推理。
+
+概览
+---------------------
+
+在 OpenCompass 中评估一个模型通常包括以下几个阶段：配置 -> 推理 -> 评估 -> 可视化。
+
+配置：这是整个工作流的起点。您需要配置整个评估过程，选择要评估的模型和数据集。此外，还可以选择评估策略、计算后端等，并定义显示结果的方式。
+
+推理与评估：在这个阶段，OpenCompass 将会开始对模型和数据集进行并行推理和评估。推理阶段主要是让模型从数据集产生输出，而评估阶段则是衡量这些输出与标准答案的匹配程度。这两个过程会被拆分为多个同时运行的“任务”以提高效率，但请注意，如果计算资源有限，这种策略可能会使评测变得更慢。如果需要了解该问题及解决方案，可以参考
+`FAQ: 效率： `_
+
+可视化：评估完成后，OpenCompass 将结果整理成易读的表格，并将其保存为 CSV 和 TXT 文件。你也可以激活飞书状态上报功能，此后可以在飞书客户端中及时获得评测状态报告。
+
+接下来，我们将展示 OpenCompass 的基础用法，展示基座模型 ``InternLM2-1.8B`` 和对话模型 ``InternLM2-Chat-1.8B``、``Qwen2-1.5B-Instruct`` 在 GSM8K 和 MATH 下采样数据集上的评估。它们的配置文件可以在 ``configs/eval_chat_demo.py`` 和 ``configs/eval_base_demo.py`` 中找到。
+
+在运行此实验之前，请确保您已在本地安装了 ``opencompass`` && ``torch-npu``。
+
+本文参考：
+`OpenCompass官方文档 `_
+
+
+配置评估任务
+~~~~~~~~~~~~~~~
+
+.. note::
+
+ 在 OpenCompass 中，每个评估任务由待评估的模型和数据集组成。评估的入口点是 run.py。用户可以通过命令行或配置文件选择要测试的模型和数据集。
+
+对于对话模型：
+
+.. code-block:: shell
+ :linenos:
+
+ python run.py \
+ --models hf_internlm2_chat_1_8b hf_qwen2_1_5b_instruct \
+ --datasets demo_gsm8k_chat_gen demo_math_chat_gen \
+ --debug
+
+对于基座模型：
+
+.. code-block:: shell
+ :linenos:
+
+ python run.py \
+ --models hf_internlm2_1_8b hf_qwen2_1_5b \
+ --datasets demo_gsm8k_base_gen demo_math_base_gen \
+ --debug
+
+.. list-table:: opencompass run.py 参数说明
+ :widths: 15 30 25
+ :header-rows: 1
+
+ * - 命令行参数
+ - 描述
+ - 样例数值
+ * - --hf-type
+ - HuggingFace 模型类型，可选值为 chat 或 base
+ - chat
+ * - --hf-path
+ - HuggingFace 模型路径
+ - internlm/internlm2-chat-1_8b
+ * - --model-kwargs
+ - 构建模型的参数
+ - device_map=’auto’
+ * - --tokenizer-path
+ - HuggingFace tokenizer 路径（如果与模型路径相同，可以省略）
+ - internlm/internlm2-chat-1_8b
+ * - --tokenizer-kwargs
+ - 构建 tokenizer 的参数
+ - padding_side=’left’ truncation=’left’ trust_remote_code=True
+ * - --generation-kwargs
+ - 生成的参数
+ - do_sample=True top_k=50 top_p=0.95
+ * - --max-seq-len
+ - 模型可以接受的最大序列长度
+ - 2048
+ * - --max-out-len
+ - 生成的最大 token 数
+ - 100
+ * - --min-out-len
+ - 生成的最小 token 数
+ - 1
+ * - --batch-size
+ - 批量大小
+ - 64
+ * - --hf-num-gpus
+ - 运行一个模型实例所需的 GPU 数量
+ - 1
+ * - --stop-words
+ - 停用词列表
+ - ‘<|im_end|>’ ‘<|im_start|>’
+ * - --pad-token-id
+ - 填充 token 的 ID
+ - 0
+ * - --peft-path
+ - (例如) LoRA 模型的路径
+ - internlm/internlm2-chat-1_8b
+ * - --peft-kwargs
+ - (例如) 构建 LoRA 模型的参数
+ - trust_remote_code=True
+
+
+
+启动评估
+~~~~~~~~~~~~~~~
+
+由于 OpenCompass 默认并行启动评估过程，我们可以在第一次运行时以 ``--debug`` 模式启动评估，并检查是否存在问题。包括在前述的所有文档中，我们都使用了 ``--debug`` 开关。在 ``--debug`` 模式下，任务将按顺序执行，并实时打印输出。
+
+.. code-block:: shell
+ :linenos:
+
+ # train on multi-npu
+ python run.py configs/eval_chat_demo.py -w outputs/demo --debug
+
+
+对话默写 ‘internlm/internlm2-chat-1_8b’ 和 ‘Qwen/Qwen2-1.5B-Instruct’ 将在首次运行期间从 HuggingFace 自动下载。 如果一切正常，您应该看到屏幕上显示 “Starting inference process”，且进度条开始前进：
+
+.. code-block:: shell
+ :linenos:
+
+ # train on multi-npu
+ [2023-07-12 18:23:55,076] [opencompass.openicl.icl_inferencer.icl_gen_inferencer] [INFO] Starting inference process...
+
+然后，您可以按 Ctrl+C 中断程序，并以正常模式运行以下命令：
+
+.. code-block:: shell
+ :linenos:
+
+ # train on multi-npu
+ python run.py configs/eval_chat_demo.py -w outputs/demo
+
+在正常模式下，评估任务将在后台并行执行，其输出将被重定向到输出目录 ``outputs/demo/{TIMESTAMP}``。前端的进度条只指示已完成任务的数量，而不考虑其成功或失败。任何后端任务失败都只会在终端触发警告消息。
+
+可视化评估结果
+---------------------
+
+评估完成后，评估结果表格将打印如下：
+
+.. code-block:: shell
+ :linenos:
+
+ dataset version metric mode qwen2-1.5b-instruct-hf internlm2-chat-1.8b-hf
+ ---------- --------- -------- ------ ------------------------ ------------------------
+ demo_gsm8k 1d7fe4 accuracy gen 56.25 32.81
+ demo_math 393424 accuracy gen 18.75 14.06
+
+
+所有运行输出将定向到 ``outputs/demo/`` 目录，结构如下：
+
+.. code-block:: shell
+ :linenos:
+
+ outputs/default/
+ ├── 20200220_120000
+ ├── 20230220_183030 # 每个实验一个文件夹
+ │ ├── configs # 用于记录的已转储的配置文件。如果在同一个实验文件夹中重新运行了不同的实验，可能会保留多个配置
+ │ ├── logs # 推理和评估阶段的日志文件
+ │ │ ├── eval
+ │ │ └── infer
+ │ ├── predictions # 每个任务的推理结果
+ │ ├── results # 每个任务的评估结果
+ │ └── summary # 单个实验的汇总评估结果
+ ├── ...