Update README.md

README.md

@@ -25,11 +25,11 @@ base_model: cointegrated/LaBSE-en-ru
 На STS и близких задачах (PI, NLI, SA, TI) для русского языка конкурирует по качеству с моделью [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) (но потребляет на 77% меньше памяти и быстрее на 80%). 
 
 ## Лучшая модель для использования в составе RAG LLMs при инференсе на GPU:
-- [отличный метрики на задачах STS, PI, NLI](/#metrics) обеспечивают высокое качество при нечетких запросах;
-- [средние показатели на задачах SA, TI](/#metrics) снижают влияние авторского стиля и личного отношения автора на ембединг;
-- высокая скорость работы на GPU ([> 1k предложений в секунду](/#benchmark)) позволяет легко расширять базу текстовых документов;
-- [пониженная размерность эмбединга (768)](/#benchmark_size) ускоряет дальнейшую работу алгоритмов knn при поиске соответствий;
-- совместимость с [SentenceTransformer](https://github.com/UKPLab/sentence-transformers) упрощает использование с минимальным объемом кода. 
+- отличный метрики на задачах STS, PI, NLI обеспечивают высокое качество при нечетких запросах;
+- средние показатели на задачах SA, TI снижают влияние авторского стиля и личного отношения автора на ембединг;
+- высокая скорость работы на GPU (> 1k предложений в секунду) позволяет легко расширять базу текстовых документов;
+- пониженная размерность эмбединга (768) ускоряет дальнейшую работу алгоритмов knn при поиске соответствий;
+- совместимость с [SentenceTransformer](https://github.com/UKPLab/sentence-transformers) позволяет проверить модель на своих данных с минимальным объемом кода. 
 
 ## Использование модели с библиотекой `transformers`:
 
@@ -65,7 +65,7 @@ print(util.dot_score(embeddings, embeddings))
 ```
 
 ## Метрики
-Оценки модели на бенчмарке [encodechka](https://github.com/avidale/encodechka): <a id=metrics"></a>
+Оценки модели на бенчмарке [encodechka](https://github.com/avidale/encodechka):
 
 | Модель                           | STS       | PI        | NLI       | SA        | TI        |
 |:---------------------------------|:---------:|:---------:|:---------:|:---------:|:---------:|
@@ -84,7 +84,7 @@ print(util.dot_score(embeddings, embeddings))
 - Sentiment analysis (**SA**);
 - Toxicity identification (**TI**).
 
-## Быстродействие и размеры <a id=benchmark_size"></a>
+## Быстродействие и размеры
 
 На бенчмарке [encodechka](https://github.com/avidale/encodechka):
 
@@ -99,7 +99,7 @@ print(util.dot_score(embeddings, embeddings))
 
 
 
-При использовании батчей с `sentence_transformers`: <a id=benchmark"></a>
+При использовании батчей с `sentence_transformers`:
 
 ```python
 from sentence_transformers import SentenceTransformer