diff --git a/Raports/SI_Raport_VowpalWabbit.md b/Raports/SI_Raport_VowpalWabbit.md
index fc9822f..a4d29b3 100644
--- a/Raports/SI_Raport_VowpalWabbit.md
+++ b/Raports/SI_Raport_VowpalWabbit.md
@@ -85,23 +85,14 @@ W celu maksymalnego zautomatyzowania procesu uczenia się, stworzyłyśmy skrypt
 
     vw --oaa 5 data_set.txt -f data_model.model
 
-Poniżej znajdują się parametry, dla których stworzyłyśmy prezentowany model:
+Poniżej znajdują się parametry, dla których stworzyłyśmy dwa prezentowane modele:
 
-| Liczba wykonań programu | Typ mapy | Przykładowy algorytm | Pole widzenia |
-| --- | --- | --- | --- |
-| 2000 | auto | BestFS | 2 |
+| Nazwa | Liczba wykonań programu | Typ mapy | Przykładowy algorytm | Pole widzenia |
+| --- | --- | --- | --- | --- |
+| 1k.model | 1000 | auto | BestFS | 2 |
+| 100.model | 100 | auto | BestFS | 1 |
 
-W wyniku procesu zbierania danych, otrzymałyśmy dane w liczbie 100 000 linii i output z VW:
-
-> Dlaczego
-
-> to
-
-> nie
-
-> działa
-
-> HALP
+W wyniku procesu zbierania danych, otrzymałyśmy dane w liczbie około 50 000 linii.
 
 #### Obserwacje
-
+Pomimo dostosowania danych wejściowych i ich parametrów agent nie zawsze podejmuje racjonalne ruchy. Za każdym razem gdy trafia na skrzyżowanie nie potrafi dostosować ruchu do sytuacji. Udało nam się jednak nauczyć agenta kierowania się w stronę nieodwiedzonego domku, jeżeli ma taki w polu widzenia.