diff --git a/pages/students/2022/jakub_schwarc/README.md b/pages/students/2022/jakub_schwarc/README.md
index 3dc85fcd..0623e53b 100644
--- a/pages/students/2022/jakub_schwarc/README.md
+++ b/pages/students/2022/jakub_schwarc/README.md
@@ -19,10 +19,25 @@ Stav:
 - vytvorený repozitár s konfiguráciami
 - vyskúšaná AYA collection dataset - zbehlo 86 percent datasetu. Kolísala evaluácia.
 - vyskúšaná lm-eval a Alpaca. 
+- Momentálne máme k dispozicii SlovakAlpaca a slovenskú časť AYA colections.
 - porovnanie AYA a Alpaca dotrénovania. Alpaca vyzerá lepšie.
 - prípravených 10 experimentov s eval a loss priebehom.
 - výsledky sú na https://git.kemt.fei.tuke.sk/js886io/Diplomovka
 
+Úlohy:
+
+- Navrhnite scenár pre dotrénovanie jazykového modelu. Ake LORA spôsoby? Ako nastaviť lm factory? 
+- Pripravte experiment na optimalizáciu hyperparametrov. Najdôležitejší je LR. Na ostetné sa môžete spýtať AI. Tú istú kofiguráciu spúštate s roznym LR v "menšom" experimente a sledujete evall loss. Sledujte aj gradient pre identifikáciu "explosion". Porovnanie má zmysel iba v rámci tohot experimentu. 
+- Napíšte projekt na HPC Perun.
+- Pripravte skript, ktorý zozbiera a pripravý trénovacie dáta, ktoré mame k dispozícii. Dáta rozdeľte na 3 časti. train, test, eval. Test a eval by mali byť tak, nastavené, aby vyhodnotenie na nich netrovalo príáliš dlho. Stačí iba jedna mnoižina ak sú dáta podobné.
+- pripravte skript, ktorý vyhodnotí výsledný model. Na vyhodnotenie použite "eval" časť dát.
+- napíšte poznámky do DP, kde opíšete metódy ktoré používate - Supervised Fine Tuning, modely ktoré používate, spôsob vyhodnotenie. 
+
+Úlohy na neskôr:
+
+- zlepšite trénovacie dáta
+- použite vyhodnotenie SK-bench.
+- Použite iný multilinguálny model na dotrénovanie - napr. OLMO.
 
 
 # Diplomový projekt 2026