Update README.md

README.md

@@ -31,10 +31,7 @@ task_categories:
 
 The **Cleaned Sinhala Text Corpus** is a large-scale, high-quality Sinhala text dataset prepared and released by **Remeinium**.
 
-This dataset contains **20GB** of Sinhala-only text (20 × 1GB `.gz` files when uncompressed), carefully cleaned and tokenized.
-It is designed for **language modeling, embeddings, and NLP research**.
-
-### 📄 Sample Data
+### 📄 Sample Data (randomly copied from 4 different files)
 
 ```
 විවෘත පුඩු අවස්ථාවේ විවෘත පුඩු ලාභය කාරකාත්මක වර්ධකයක ඉතා විශාලය එය පරාසයේ වේ එනිසා කුඩා ප්රදාන වෝල්ටීයතාවකට වුවද විශාල ප්රතිදාන වෝල්ටීයතාවක් ලබා දීමේ හැකියාව ඇත එනම් ප්රදාන වෝල්ටීයතා කුඩා පරාසයක් තුළ වැඩි කිරීමේදී ප්රතිදාන වෝලිටීයතාව විශාල පරාසයක් තුළ වැඩි වේ
@@ -65,6 +62,9 @@ It is designed for **language modeling, embeddings, and NLP research**.
 මෝවබ්වරුන්ට විරුද්ධ ව සටන් කිරීම මෝවබ්හි රජු වූ මෙෂා බැටළු හිමියෙකු ව සිටියේ ය
 ```
 
+This dataset contains **20GB** of Sinhala-only text (20 × 1GB `.gz` files when uncompressed), carefully cleaned and tokenized.
+It is designed for **language modeling, embeddings, and NLP research**.
+
 ---
 
 ## ✨ Key Features