diff --git a/README.md b/README.md
index 47dac31..c330273 100644
--- a/README.md
+++ b/README.md
@@ -1,10 +1,8 @@
 ![pysniff-logo](./img/pysniff-logo.png)
 
-# PySniff — Detecção e Refatoração de Code Smells em Python via Mineração de Repositórios
+# PySniff: Detecção e Refatoração de Code Smells em Python via Mineração de Repositórios
 
-Trabalho Prático da disciplina **Engenharia de Software II** — UFMG.
-
----
+Trabalho Prático da disciplina Engenharia de Software II, UFMG.
 
 ## Membros do Grupo
 
@@ -12,35 +10,33 @@ Trabalho Prático da disciplina **Engenharia de Software II** — UFMG.
 - Bernardo Vale dos Santos Bento
 - Filipe Mauro da Terra Caldeira
 
----
-
 ## Objetivo da Ferramenta
 
 **PySniff** é uma ferramenta de linha de comando que ataca um problema de
-**manutenção e evolução de software**: a presença de *code smells*. A
-ferramenta **identifica 5 code smells em código Python por análise estática**,
+manutenção e evolução de software: a presença de *code smells*. A
+ferramenta identifica 5 code smells em código Python por análise estática,
 e é construída sobre um pipeline de **mineração de repositórios** que extrai
 pares reais de refatoração (antes→depois) do histórico de commits do GitHub.
 
 O projeto tem **duas entregas complementares**:
 
-1. **A CLI de detecção** (`cli.py`): aponta-se para um
+1. A CLI de detecção (`cli.py`): aponta-se para um
    arquivo ou diretório Python e ela reporta, por função/método, os smells
    encontrados com a evidência métrica de cada um.
-2. **O dataset minerado com qualidade medida** (repo `tp-es2-dataset`):
+2. O dataset minerado com qualidade medida (repo `tp-es2-dataset`):
    pares before→after por smell, validados por LLM (Gemma) e auditados por
-   **análise de qualidade humana** (2 anotadores, amostra estratificada, precisão
-   reponderada por taxa-base, Cohen κ). Insumo para o **fine-tuning futuro de um
-   modelo de refatoração** (Trilha B; alvo: Stable Code Instruct 3B + QLoRA),
+   análise de qualidade humana (2 anotadores, amostra estratificada, precisão
+   reponderada por taxa-base, Cohen κ). Insumo para o fine-tuning futuro de um
+   modelo de refatoração (Trilha B, alvo: Stable Code Instruct 3B + QLoRA),
    que proporá automaticamente as correções dos smells detectados.
 
-> **Escopo real vs. proposta original:** a proposta inicial previa 12 smells e
+> Escopo real vs. proposta original: a proposta inicial previa 12 smells e
 > 11 LoRAs. O escopo executado e documentado com justificativas em
-> `docs/DECISOES_PROJETO.md` é de **5 smells com detecção por regras estáticas**
+> `docs/DECISOES_PROJETO.md` é de 5 smells com detecção por regras estáticas
 > (a CLI deste repositório) e a trilha de fine-tuning condicionada à qualidade
 > medida do dataset (a sonda de qualidade veio antes do treino, deliberadamente:
-> *garbage in, garbage out*). A **Trilha B (refatoração) será continuada em
-> breve.**
+> *garbage in, garbage out*). A Trilha B (refatoração) será continuada em
+> breve.
 
 ### Os 5 smells cobertos
 
@@ -54,13 +50,12 @@ O projeto tem **duas entregas complementares**:
 
 Cada detector expõe o contrato `detect(fn: FunctionInfo) -> DetectionResult` (`detectores/`).
 
----
-
 ## Como Instalar
 
 Requer **Python 3.11+** (testado em CI com 3.13 em Linux, macOS e Windows).
 
 ```bash
+
 # 1. clone o repositório
 git clone https://github.com/Gronoxx/tp-mineracao-manutencao
 cd tp-mineracao-manutencao
@@ -73,17 +68,16 @@ source .venv/bin/activate
 pip install -r requirements_cli.txt
 ```
 
-> Para usar **apenas a CLI de detecção** (sem o pipeline de mineração), o
+> Para usar apenas a CLI de detecção (sem o pipeline de mineração), o
 > conjunto mínimo de dependências é: `pip install lizard click rich`.
 
----
-
 ## Como Utilizar
 
 A ferramenta tem dois comandos: `scan` (analisar código) e `smells` (listar o
 que é detectado).
 
 ```bash
+
 # versão da ferramenta
 python3 cli.py --version
 
@@ -93,7 +87,7 @@ python3 cli.py smells
 # analisar um arquivo ou diretório (árvore Rich por arquivo → função → smell)
 python3 cli.py scan caminho/do/projeto/
 
-# restringir a smells específicos — por ID (R1–R5) ou nome
+# restringir a smells específicos: por ID (R1–R5) ou nome
 python3 cli.py scan src/ --smell R1 --smell dead_code
 
 # saída JSON estruturada (para integração/scripts)
@@ -107,11 +101,10 @@ python3 cli.py scan src/ --fail-on-detect
 ativo e houve detecção · `2` nenhum arquivo `.py` encontrado. Veja
 `python3 cli.py scan --help` para todos os detalhes.
 
----
-
 ## Como Executar os Testes Localmente
 
 ```bash
+
 # instale as dependências de teste (além das da ferramenta)
 pip install -r requirements_cli.txt -r requirements-dev.txt
 
@@ -122,39 +115,35 @@ python3 -m pytest
 python3 -m pytest --cov
 ```
 
-A suíte tem **mais de 250 testes** (detectores, CLI e pipeline de mineração) e é
-executada **automaticamente a cada push e pull request** via GitHub Actions. Veja [`.github/workflows/python-app.yaml`](.github/workflows/python-app.yaml).
-
----
+A suíte tem mais de 250 testes (detectores, CLI e pipeline de mineração) e é
+executada automaticamente a cada push e pull request via GitHub Actions. Veja [`.github/workflows/python-app.yaml`](.github/workflows/python-app.yaml).
 
 ## Pipeline de Mineração e Dataset
 
 - `extracao/` minera pares de refatoração de repositórios Git (PyDriller): modos
   commit, PR, cross-file e rename, com validação por similaridade AST e checagem
   comportamental heurística.
-- **Ancoragem em rule-ID de linter** (achado central do projeto): minerar commits
+- Ancoragem em rule-ID de linter (achado central do projeto): minerar commits
   que *removem* um aviso específico de linter (ex.: Pylint R0913, Ruff PLR2004)
   multiplica o yield de pares válidos em 5–25× vs. heurísticas de mensagem de
   commit, o yield é proporcional à **objetividade do critério** do smell.
   Detalhes e números em `docs/DECISOES_PROJETO.md`.
 - 5.072 candidatos minerados → 616 pares aprovados pelo juiz LLM (Gemma) →
-  **sonda de qualidade humana de 50 pares** (estratificada, cega ao proxy AST,
+  sonda de qualidade humana de 50 pares (estratificada, cega ao proxy AST,
   precisão populacional reponderada por taxa-base, κ) + re-auditoria assistida
   por LLM. Resultados, codebook de anotação e decisão de curadoria vivem em
   `tp-es2-dataset` e `tp-es2-anotador/CODEBOOK.md`.
 - **Oracle firewall:** PyRef e Sourcery são reservados para avaliação, nunca
-  geram dados de treino; o split treino/teste é por repositório.
+  geram dados de treino, o split treino/teste é por repositório.
 
-### Trilha B — Fine-tuning de refatoração (em desenvolvimento)
+### Trilha B: Fine-tuning de refatoração (em desenvolvimento)
 
 O dataset minerado e auditado alimenta a **Trilha B**: o treino de um modelo que
 proporá automaticamente a correção dos smells detectados. A infraestrutura vive
-em `trilha_b/` (configuração e scripts de fine-tuning com QLoRA; alvo
-**Stable Code Instruct 3B**). O modelo ainda não foi treinado. Esta trilha será
+em `trilha_b/` (configuração e scripts de fine-tuning com QLoRA, alvo
+Stable Code Instruct 3B). O modelo ainda não foi treinado. Esta trilha será
 continuada em breve.
 
----
-
 ## Tecnologias Utilizadas
 
 - **CLI:** [Click](https://click.palletsprojects.com) (definição dos comandos) +
@@ -171,8 +160,6 @@ continuada em breve.
 - **Trilha de fine-tuning (em desenvolvimento, `trilha_b/`):** HuggingFace
   Transformers + PEFT (QLoRA), alvo Stable Code Instruct 3B.
 
----
-
 ## Estrutura do Repositório
 
 O projeto usa três repositórios, separados por papel:
@@ -185,17 +172,14 @@ O projeto usa três repositórios, separados por papel:
 
 Layout do código:
 
-- `cli.py` — CLI de detecção (produto do enunciado: comandos `scan` e `smells`).
-- `detectores/` — os 5 detectores estáticos (`detect(fn) -> DetectionResult`).
-- `extracao/` — mineração de pares de refatoração via PyDriller.
-- `core/` — tipos compartilhados, schema e oráculo de avaliação.
-- `trilha_b/` — configuração e scripts de fine-tuning (QLoRA; ainda não treinado).
-- `gemma_judge_dataset.py`, `estimate_positive_quality.py` — juiz LLM e proxy de
+- `cli.py`: CLI de detecção (produto do enunciado: comandos `scan` e `smells`).
+- `detectores/`: os 5 detectores estáticos (`detect(fn) -> DetectionResult`).
+- `extracao/`: mineração de pares de refatoração via PyDriller.
+- `core/`: tipos compartilhados, schema e oráculo de avaliação.
+- `trilha_b/`: configuração e scripts de fine-tuning (QLoRA, ainda não treinado).
+- `gemma_judge_dataset.py`, `estimate_positive_quality.py`: juiz LLM e proxy de
   qualidade do dataset.
-- `docs/` — enunciado, decisões de projeto datadas e checkpoints.
-- `tests/` — suíte pytest (rodar da raiz: `python3 -m pytest`).
-- `.github/workflows/` — GitHub Actions (CI).
-
----
-
-*Engenharia de Software II — UFMG — 2026*
+- `docs/`: enunciado, decisões de projeto datadas e checkpoints.
+- `tests/`: suíte pytest (rodar da raiz: `python3 -m pytest`).
+- `.github/workflows/`: GitHub Actions (CI).
+*Engenharia de Software II, UFMG, 2026*