diff --git a/lectures/need_for_speed.md b/lectures/need_for_speed.md
index ddfa453..624da84 100644
--- a/lectures/need_for_speed.md
+++ b/lectures/need_for_speed.md
@@ -393,13 +393,9 @@ with qe.Timer():
 
 让我们回顾一下科学计算中常用的两种主要 CPU 并行化方式，并讨论它们的优缺点。
 
-#### 多进程
-
-多进程是指使用多个处理器并发执行多条逻辑线程。
-
-多进程可以在一台拥有多个 CPU 的机器上进行，也可以在通过网络连接的机器集群上进行。
+#### 多线程
 
-在多进程中，*每个进程都有自己的内存空间*，尽管物理内存芯片可能是共享的。
+多线程是指在单个进程中运行多个执行线程。
 
 所有线程共享同一内存空间，因此它们可以在不复制数据的情况下对同一数组进行读写。
 
diff --git a/lectures/numba.md b/lectures/numba.md
index 46ebf29..5c8223d 100644
--- a/lectures/numba.md
+++ b/lectures/numba.md
@@ -16,11 +16,9 @@ translation:
     Compiling Functions: 编译函数
     Compiling Functions::An Example: 示例
     Compiling Functions::How and When it Works: 工作原理与适用时机
-    Type Inference: 类型推断
-    Dangers and Limitations: 危险与局限
-    Dangers and Limitations::Limitations: 局限性
-    'Dangers and Limitations::A Gotcha: Global Variables': 一个陷阱：全局变量
-    Dangers and Limitations::Caching Compiled Code: 缓存编译代码
+    Sharp Bits: 注意事项
+    Sharp Bits::Typing: 类型推断
+    Sharp Bits::Global Variables: 全局变量
     Multithreaded Loops in Numba: Numba 中的多线程循环
     Exercises: 练习
 ---
@@ -185,7 +183,7 @@ timer1.elapsed /  timer3.elapsed
 
 让我们讨论一下这是如何工作的。
 
-### 工作原理与适用场景
+### 工作原理与适用时机
 
 Numba 尝试使用 [LLVM Project](https://llvm.org/) 提供的基础设施生成快速机器码。
 
@@ -421,6 +419,8 @@ with qe.Timer():
 
 注意，我们是跨家庭进行并行化，而非跨时间——单个家庭跨时期的更新本质上是顺序的。
 
+关于基于 GPU 的并行化，请参阅我们{doc}`关于 JAX 的讲座 <jax_intro>`。
+
 ## 练习
 
 ```{exercise}