Update README.md

README.md

@@ -31,7 +31,7 @@ The fine-tuning process utilized the [Continued Pretraining](https://docs.unslot
 - **Training Method**: [Continued Pretraining](https://docs.unsloth.ai/basics/continued-pretraining)  
 - **Epochs**: 10
 - **Resources**: 1 RTX A5000 24Gb vRAM for approximately 3 days. The cost of finetuning is about $54. 
-**License:** This model is distributed under the [Gemma Terms of Use](https://ai.google.dev/gemma/terms)
+- **License:** This model is distributed under the [Gemma Terms of Use](https://ai.google.dev/gemma/terms)
 ### Quantization Options  
 
 Medicus supports multiple quantization levels to allow flexible deployment based on computational resources:  
@@ -198,7 +198,7 @@ For issues, questions, or suggestions, feel free to open an issue in the reposit
 - **Метод обучения**: [Continued Pretraining](https://docs.unsloth.ai/basics/continued-pretraining)  
 - **Количество эпох**: 10
 - **Оборужование**: 1 RTX A5000 24Gb vRAM приблизительно в течение 3-х дней. Общие затраты на файнтюнинг около $54.
-**Лицензия:** Модель распространяетчя по лицензии Google [Gemma Terms of Use](https://ai.google.dev/gemma/terms)
+- **Лицензия:** Модель распространяетчя по лицензии Google [Gemma Terms of Use](https://ai.google.dev/gemma/terms)
 ### Варианты квантизации  
 
 Medicus поддерживает различные уровни квантизации, что позволяет гибко развертывать модель в зависимости от доступных вычислительных ресурсов: