Update README.md

README.md

@@ -27,12 +27,16 @@ library_name: sentence-transformers
 | [hotchpotch/japanese-reranker-cross-encoder-large-v1](https://huggingface.co/hotchpotch/japanese-reranker-cross-encoder-large-v1) | 24 | 1024 | 0.8661 | 312.2s |
 | [hotchpotch/japanese-bge-reranker-v2-m3-v1](https://huggingface.co/hotchpotch/japanese-bge-reranker-v2-m3-v1) | 24 | 1024 | 0.8584 | 310.6s |
 
+
 リランカーについてや、技術レポート・評価等は以下を参考ください。
 
 - [とても小さく速く実用的な日本語リランカー japanese-reranker-tiny,xsmall v2 を公開](https://secon.dev/entry/2025/05/08/100000-japanese-reranker-v2/)
 - [日本語最高性能のRerankerをリリース / そもそも Reranker とは?](https://secon.dev/entry/2024/04/02/070000-japanese-reranker-release/)
 - [日本語 Reranker 作成のテクニカルレポート](https://secon.dev/entry/2024/04/02/080000-japanese-reranker-tech-report/)
 
+![Reranker Benchmark](https://storage.googleapis.com/secons-site-images/other/blog_images/20250508-japanese-reranker-v2-scores.png)
+
+
 ## 使い方
 
 ### SentenceTransformers
@@ -113,9 +117,8 @@ japanese-reranker-tiny-v2とjapanese-reranker-xsmall-v2は、以下の特徴を
 1. CPUやAppleシリコン環境でも実用的な速度で動作
 2. 高価なGPUリソースなしでもRAGシステムの精度向上が可能
 3. エッジデバイスでの展開や低レイテンシが要求される本番環境で活用可能
-4. ModernBertベースの[ruri-v3-pt-30m](https://huggingface.co/cl-nagoya/ruri-v3-pt-30m)を用いて事前対象学習を実施
+4. ModernBertベースの[ruri-v3-pt-30m](https://huggingface.co/cl-nagoya/ruri-v3-pt-30m)を利用
 
-![Reranker Benchmark](https://storage.googleapis.com/secons-site-images/other/blog_images/20250508-japanese-reranker-v2-scores.png)
 
 ## 評価結果