Upload README.md with huggingface_hub

README.md

@@ -24,37 +24,24 @@ base_model: unsloth/gemma-2b-it-bnb-4bit
 ![Evaluation Loss Plot](eval_loss_plot.png)
 
 ## Evaluation score
-### Évaluation des rapports générés par les modèles d'IA :
+## Évaluation des rapports générés par les deux modèles d'IA
 
-#### Modèle de base unsloth/gemma-2b-it-bnb-4bit :
+### Modèle de base (unsloth/gemma-2b-it-bnb-4bit)
+1. **Performance de la structuration du rapport**: 6/10
+2. **Qualité du langage**: 7/10
+3. **Cohérence**: 6/10
 
-1. **Performance de la structuration du rapport : 5/10**
-   - Le rapport est structuré en chapitres distincts, mais la transition entre les chapitres est parfois abrupte et manque de fluidité.
+### Modèle fine-tuned (gemma-Summarizer-2b-it-bnb-4bit)
+1. **Performance de la structuration du rapport**: 8/10
+2. **Qualité du langage**: 8/10
+3. **Cohérence**: 8/10
 
-2. **Qualité du langage : 4/10**
-   - Le langage utilisé est correct mais manque de sophistication et de variété. Certaines phrases sont maladroites et peu claires.
+### Score global
+- Modèle de base: 6.3/10
+- Modèle fine-tuned: 8/10
 
-3. **Cohérence : 4/10**
-   - La cohérence du rapport est faible, avec des idées qui semblent parfois disjointes et des transitions abruptes entre les sections.
-
-**Score global : 4.3/10**
-
-#### Modèle fine-tuned /home/will/LM_summarizer_trainer/model/gemma-Summarizer-2b-it-bnb-4bit :
-
-1. **Performance de la structuration du rapport : 7/10**
-   - Le rapport est bien structuré en sections claires et distinctes, avec des transitions plus fluides entre les chapitres.
-
-2. **Qualité du langage : 6/10**
-   - Le langage utilisé est plus sophistiqué et varié que dans le rapport du modèle de base, mais il reste quelques maladresses et répétitions.
-
-3. **Cohérence : 6/10**
-   - Le rapport est plus cohérent que celui du modèle de base, avec des idées mieux connectées et des transitions plus naturelles.
-
-**Score global : 6.3/10**
-
-### Conclusion :
-
-Le modèle fine-tuned a clairement montré une amélioration par rapport au modèle de base en termes de structuration du rapport, de qualité du langage et de cohérence. Cependant, il reste encore des aspects à améliorer pour atteindre une qualité optimale. Le modèle de base a besoin d'une amélioration significative dans tous les domaines pour être considéré comme efficace. En fin de compte, le modèle fine-tuned est préférable pour générer des rapports de meilleure qualité.
+### Conclusion
+Le modèle fine-tuned a clairement surpassé le modèle de base en termes de structuration du rapport, qualité du langage et cohérence. Le rapport généré par le modèle fine-tuned est plus clair, plus fluide et mieux organisé. Il offre une analyse plus approfondie et une meilleure compréhension des sujets abordés. En revanche, le modèle de base présente quelques lacunes en termes de cohérence et de structuration. Il pourrait bénéficier d'une amélioration pour offrir des rapports plus percutants et informatifs.
 [Evaluation report and scoring](evaluation/run-unsloth/gemma-2b-it-bnb-4bit-7449/Model_evaluator-gemma-Summarizer-2b-it-bnb-4bit.md)
 
 ## Wandb logs