Upload documentation.md with huggingface_hub

documentation.md

@@ -131,11 +131,11 @@ Der System-Prompt:
 
 | Test Input | Extraktion korrekt? | Preis zurückgegeben? | Erklärung zurückgegeben? | Anmerkungen |
 |------------|---------------------|----------------------|--------------------------|-------------|
-| `Ich suche eine 3.5-Zimmer-Wohnung mit etwa 85 m² in Winterthur.` | Ja | Ja | Ja | Standardfall, funktioniert zuverlässig |
-| `Haben Sie etwas für mich? 4 Zimmer, 100 m², am liebsten in Zürich.` | Ja | Ja | Ja | Informellere Formulierung, LLM erkennt dennoch alle Felder |
-| `Suche kleine 2-Zimmer-Wohnung mit 50 m² in Uster.` | Ja | Ja | Ja | Kleinere Wohnung in Vorortsgemeinde |
-| `Ich möchte eine Wohnung in Zürich.` | Teilweise (town=Zürich, rooms=null, area_m2=null) | Nein | Nein | Fehlermeldung: fehlende Angaben Zimmer und Fläche |
-| `Ich suche etwas in Tokio.` | Ja (town=Tokio) | Nein | Nein | match_town() findet keinen Match, klare Fehlermeldung |
+| `ich suche eine 5 zimmer wohnung in uster mit mindestens 500 quadratmeter` | Ja – rooms: 5, area_m2: 500, town: "Uster" | Ja – CHF 3'757/Monat | Ja | Auch ohne Grossschreibung und formale Sätze werden alle Felder korrekt extrahiert |
+| `ich suche eine 2 zimmer wohnung in uster mit mindestens 50 quadratmeter` | Ja – rooms: 2, area_m2: 50, town: "Uster" | Ja – CHF 1'578/Monat | Ja | Kleinere Wohnung, plausibel tieferer Preis |
+| `2 zimmer 100 quadratmeter uster` | Ja – rooms: 2, area_m2: 100, town: "Uster" | Ja – CHF 2'461/Monat | Ja | Sehr kurze Eingabe ohne Satzstruktur, LLM extrahiert trotzdem korrekt |
+| `Ich möchte eine Wohnung in Zürich.` | Teilweise – town: "Zürich", rooms: null, area_m2: null | Nein | Nein | Fehlermeldung: fehlende Angaben Zimmer und Fläche |
+| `Ich suche etwas in Tokio.` | Ja – town: "Tokio" | Nein | Nein | match_town() findet keinen Match, klare Fehlermeldung ausgegeben |
 
 ---
 
@@ -181,23 +181,17 @@ Der Space läuft erfolgreich auf Hugging Face. Die Gradio-App startet korrekt, d
 
 ### 9.4 Screenshots
 
-> Screenshots werden nach dem Deployment hinzugefügt.
+**Beispiel 1:** Grosse Wohnung mit informeller Eingabe
 
-**Beispiel 1:** Standardanfrage mit vollständigen Angaben
-
-```md
 ![Beispiel 1](screenshot1.png)
-```
 
-Eingabe: «Ich suche eine 3.5-Zimmer-Wohnung mit etwa 85 m² in Winterthur.» – Das LLM extrahiert korrekt `rooms: 3.5`, `area_m2: 85`, `town: "Winterthur"`. Das Modell liefert eine Preisschätzung, die Erklärung beschreibt den Preis in Zusammenhang mit Winterthur als Wohnort.
+Eingabe: «ich suche eine 5 zimmer wohnung in uster mit mindestens 500 quadratmeter» – Das LLM extrahiert korrekt `rooms: 5`, `area_m2: 500`, `town: "Uster"`, obwohl die Eingabe keine formale Satzstruktur hat. Das Modell schätzt CHF 3'757/Monat; die Erklärung weist auf Unsicherheiten durch Zustand und Mikrolage hin.
 
-**Beispiel 2:** Informellere Anfrage in Zürich
+**Beispiel 2:** Kleine Wohnung, gleicher Ort
 
-```md
 ![Beispiel 2](screenshot2.png)
-```
 
-Eingabe: «Haben Sie etwas für mich? 4 Zimmer, 100 m², am liebsten in Zürich.» – Auch bei unstrukturierter Formulierung werden alle drei Felder korrekt extrahiert. Die höhere Schätzung für Zürich im Vergleich zu Winterthur ist plausibel.
+Eingabe: «ich suche eine 2 zimmer wohnung in uster mit mindestens 50 quadratmeter» – Alle drei Felder werden korrekt erkannt (`rooms: 2`, `area_m2: 50`, `town: "Uster"`). Der deutlich tiefere Preis von CHF 1'578/Monat im Vergleich zu Beispiel 1 ist plausibel und zeigt, dass das Modell auf Fläche und Zimmerzahl reagiert.
 
 ---