diff --git a/pages/students/2024/sebastian_kiss/README.md b/pages/students/2024/sebastian_kiss/README.md
index 15bd9b61..1a01899b 100644
--- a/pages/students/2024/sebastian_kiss/README.md
+++ b/pages/students/2024/sebastian_kiss/README.md
@@ -14,7 +14,7 @@ rok začiatku štúdia: 2024
 
 Dáta pre vyhodnotenie multimodálnych jazykových modelov
 
-Ciel: Vytvoriť a použiť novú dátovú množinu pre vyhodnotenie muliimodálnych modelov s podporou slovenského jazyka
+Ciel: Vytvoriť a použiť novú dátovú množinu pre vyhodnotenie mulitimodálnych modelov s podporou slovenského jazyka
 
 Možné ciele semestrálneho projektu:
 
@@ -22,12 +22,30 @@ Možné ciele semestrálneho projektu:
 - Vytvoriť benchmark na porovnanie kvality výstupov rôznych multimodálnych modelov.
 - Implementovať automatickú metriku na hodnotenie semantickej zhody medzi textovými a vizuálnymi reprezentáciami.
 
+
+Stretnutie 23.10.2026
+
+Stav:
+
+-  Napísaná správa.
+
+Úlohy:
+
+- Pokračujte v štúdiu vyhodnotenia multimodálnych jazykových modelov podľa pokynov nižšie. Vychádzajte z článku Huang - Survey of evaluation of multimodal models.
+- Skúsime vyhodnotenie úlohy rozpoznávania rukou písaného textu. Vyberte text na jednu stranu rukou písaného textu. Prepíšte ho. Požiadajte niekoľko Vašich priateľov (min. 3 alebo viac), aby ho tiež prepísali. Texty naskenujte.  Ku každej stránke vytvorte zarovnanie na riadky, a pridajte chyby ktoré sa vyskytujú v rukopise. Toto zopakujte pre viac strán.
+- Text konzultujte pred použitím.  Môže to byť diktát alebo to môže byť krátka klasická poviedka alebo urývok klasického románu.
+
+Zásobník úloh:
+
+- Pomocu viacerých modelov rozpoznajte text po riadkoch a vypočítajte chybu na úrovni riadkov. Chyba sa určuje ako CER (character erroro rate), WER (word error rate). 
+- Nájdite existujúcu množinu rukou písaného textu a upravte ju do podoby vhodnej na vyhodnotenie LLM.
+
 Stretnutie 30.9. 2026
 
 
 Úlohy:
 
-- Naučte sa Python, nainštalujte si Anaconda
+- Naučte sa Python, nainštalujte si Anaconda.
 - Zistite, čo sú multimodálne jazykové modely (napr. BLIP, LLaVA, FLAN-PaLM). Ako sa hodnotí kvalita multimodálnych výstupov? Napíšte krátku správu (2-3 strany) s relevantnými vedeckými článkami
 - Oboznámte sa s existujúcimi multimodálnymi benchmarkmi (VQA, Visual Question Answering, Image Captioning)
 - Oboznámte sa s knižnicou [Hugging Face Datasets](https://huggingface.co/docs/datasets) a metódami hodnotenia multimodálnych modelov. - Pozrite si záznam o práci https://zp.kemt.fei.tuke.sk/interns/dries_huybens