diff --git a/chapter_backtracking/backtracking_algorithm.md b/chapter_backtracking/backtracking_algorithm.md
index e637a681a..3418fed83 100644
--- a/chapter_backtracking/backtracking_algorithm.md
+++ b/chapter_backtracking/backtracking_algorithm.md
@@ -8,7 +8,9 @@ comments: true
 
 回溯算法通常采用「深度优先搜索」来遍历解空间。在二叉树章节中，我们提到前序、中序和后序遍历都属于深度优先搜索。下面，我们从二叉树的前序遍历入手，逐步了解回溯算法的工作原理。
 
-!!! question "例题一：在二叉树中搜索并返回所有值为 $7$ 的节点"
+!!! question "例题一"
+
+    给定一个二叉树，搜索并记录所有值为 $7$ 的节点，返回节点列表。
 
 **解题思路**：前序遍历这颗树，并判断当前节点的值是否为 $7$ ，若是则将该节点的值加入到结果列表 `res` 之中。
 
@@ -169,7 +171,9 @@ comments: true
 
 值得说明的是，**回退并不等价于函数返回**。为解释这一点，我们对例题一稍作拓展。
 
-!!! question "在二叉树中搜索所有值为 $7$ 的节点，**返回根节点到这些节点的路径**"
+!!! question "例题二"
+
+    在二叉树中搜索所有值为 $7$ 的节点，**返回根节点到这些节点的路径**。
 
 **解题思路**：在例题一代码的基础上，我们需要借助一个列表 `path` 记录访问过的节点路径。当访问到值为 $7$ 的节点时，则复制 `path` 并添加进结果列表 `res` 。遍历完成后，`res` 中保存的就是所有的解。
 
@@ -393,7 +397,9 @@ comments: true
 
 复杂的回溯问题通常包含一个或多个约束条件，**约束条件通常可用于“剪枝”**。
 
-!!! question "例题三：在二叉树中搜索所有值为 $7$ 的节点，返回根节点到这些节点的路径，**路径中不能包含值为 $3$ 的节点**"
+!!! question "例题三"
+
+   在二叉树中搜索所有值为 $7$ 的节点，返回根节点到这些节点的路径，**路径中不能包含值为 $3$ 的节点**。
 
 **解题思路**：在例题二的基础上添加剪枝操作，当遇到值为 $3$ 的节点时，则终止继续搜索。
 
diff --git a/chapter_backtracking/n_queens_problem.md b/chapter_backtracking/n_queens_problem.md
index 5ffc9558d..3a8750857 100644
--- a/chapter_backtracking/n_queens_problem.md
+++ b/chapter_backtracking/n_queens_problem.md
@@ -4,7 +4,9 @@ comments: true
 
 # 12.3.   N 皇后问题
 
-!!! question "根据国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。给定 $n$ 个皇后和一个 $n \times n$ 大小的棋盘，寻找使得所有皇后之间无法相互攻击的摆放方案。"
+!!! question
+
+    根据国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。给定 $n$ 个皇后和一个 $n \times n$ 大小的棋盘，寻找使得所有皇后之间无法相互攻击的摆放方案。
 
 如下图所示，当 $n = 4$ 时，共可以找到两个解。从回溯算法的角度看，$n \times n$ 大小的棋盘共有 $n^2$ 个格子，给出了所有的选择 `choices` 。在逐个放置皇后的过程中，棋盘状态在不断地变化，每个时刻的棋盘就是状态 `state` 。
 
diff --git a/chapter_backtracking/permutations_problem.md b/chapter_backtracking/permutations_problem.md
index 657fd272a..3898e5875 100644
--- a/chapter_backtracking/permutations_problem.md
+++ b/chapter_backtracking/permutations_problem.md
@@ -20,7 +20,9 @@ comments: true
 
 ## 12.2.1.   无重复的情况
 
-!!! question "输入一个整数数组，数组中不包含重复元素，返回所有可能的排列。"
+!!! question
+
+    输入一个整数数组，数组中不包含重复元素，返回所有可能的排列。
 
 **从回溯算法的角度看，我们可以把生成排列的过程想象成一系列选择的结果**。假设输入数组为 $[1, 2, 3]$ ，如果我们先选择 $1$ 、再选择 $3$ 、最后选择 $2$ ，则获得排列 $[1, 3, 2]$ 。回退表示撤销一个选择，之后继续尝试其他选择。
 
@@ -344,7 +346,9 @@ comments: true
 
 ## 12.2.2.   考虑重复的情况
 
-!!! question "输入一个整数数组，**数组中可能包含重复元素**，返回所有不重复的排列。"
+!!! question
+
+    输入一个整数数组，**数组中可能包含重复元素**，返回所有不重复的排列。
 
 假设输入数组为 $[1, 1, 2]$ 。为了方便区分两个重复的元素 $1$ ，接下来我们将第二个元素记为 $\hat{1}$ 。如下图所示，上述方法生成的排列有一半都是重复的。
 
diff --git a/chapter_searching/binary_search.md b/chapter_searching/binary_search.md
index 0ccf54885..8ab3f9312 100755
--- a/chapter_searching/binary_search.md
+++ b/chapter_searching/binary_search.md
@@ -8,7 +8,9 @@ comments: true
 
 我们先来求解一个简单的二分查找问题。
 
-!!! question "给定一个长度为 $n$ 的有序数组 `nums` ，元素按从小到大的顺序排列。查找并返回元素 `target` 在该数组中的索引。若数组中不包含该元素，则返回 $-1$ 。数组中不包含重复元素。"
+!!! question
+
+    给定一个长度为 $n$ 的有序数组 `nums` ，元素按从小到大的顺序排列。请查找并返回元素 `target` 在该数组中的索引。若数组中不包含该元素，则返回 $-1$ 。数组中不包含重复元素。
 
 该数组的索引范围可以使用区间 $[0, n - 1]$ 来表示。其中，**中括号表示“闭区间”，即包含边界值本身**。在该表示下，区间 $[i, j]$ 在 $i = j$ 时仍包含一个元素，在 $i > j$ 时为空区间。
 
diff --git a/chapter_searching/binary_search_edge.md b/chapter_searching/binary_search_edge.md
index 8d5bd3235..61c3a2ff5 100644
--- a/chapter_searching/binary_search_edge.md
+++ b/chapter_searching/binary_search_edge.md
@@ -14,7 +14,9 @@ comments: true
 
 ## 10.2.1.   查找最左一个元素
 
-!!! question "查找并返回元素 `target` 在有序数组 `nums` 中首次出现的索引。若数组中不包含该元素，则返回 $-1$ 。数组可能包含重复元素。"
+!!! question
+
+    给定一个长度为 $n$ 的有序数组 `nums` 。请查找并返回元素 `target` 在该数组中首次出现的索引。若数组中不包含该元素，则返回 $-1$ 。数组可能包含重复元素。
 
 实际上，我们可以仅通过二分查找解决以上问题。方法的整体框架不变，先计算中点索引 `m` ，再判断 `target` 和 `nums[m]` 大小关系：
 
@@ -104,11 +106,11 @@ comments: true
         while i <= j:
             m = (i + j) // 2  # 计算中点索引 m
             if nums[m] < target:
-                i = m + 1  # 此情况说明 target 在区间 [m+1, j] 中
+                i = m + 1  # target 在区间 [m+1, j] 中
             elif nums[m] > target:
-                j = m - 1  # 此情况说明 target 在区间 [i, m-1] 中
+                j = m - 1  # target 在区间 [i, m-1] 中
             else:
-                j = m - 1  # 此情况说明首个小于 target 的元素在区间 [i, m-1] 中
+                j = m - 1  # 首个小于 target 的元素在区间 [i, m-1] 中
         if i == len(nums) or nums[i] != target:
             return -1  # 未找到目标元素，返回 -1
         return i
diff --git a/chapter_searching/replace_linear_by_hashing.md b/chapter_searching/replace_linear_by_hashing.md
index f4cda0a21..14c649455 100755
--- a/chapter_searching/replace_linear_by_hashing.md
+++ b/chapter_searching/replace_linear_by_hashing.md
@@ -6,9 +6,9 @@ comments: true
 
 在算法题中，**我们常通过将线性查找替换为哈希查找来降低算法的时间复杂度**。我们借助一个算法题来加深理解。
 
-!!! question "两数之和"
+!!! question
 
-    给定一个整数数组 `nums` 和一个整数目标值 `target` ，请在数组中搜索“和”为目标值 `target` 的两个整数，并返回他们在数组中的索引。注意，数组中同一个元素在答案里不能重复出现。返回任意一个解即可。
+    给定一个整数数组 `nums` 和一个目标元素 `target` ，请在数组中搜索“和”为 `target` 的两个元素，并返回它们的数组索引。返回任意一个解即可。
 
 ## 10.3.1. &nbsp; 线性查找：以时间换空间