Updated preprint link and citation

README.md

@@ -26,10 +26,10 @@ size_categories:
 > Diferentemente de benchmarks focados na realidade médica norte-americana, o HealthQA-BR foi projetado para o ecossistema de saúde brasileiro. Ele avalia de forma granular não só as **especialidades da medicina**, mas também sua realidade interprofissional, incluindo **enfermagem, odontologia, psicologia, serviço social, farmácia, fisioterapia, entre muitos outros**. O resultado é uma avaliação mais realista e holística sobre o potencial de uma IA para o trabalho em equipe que caracteriza o cuidado ao paciente no SUS.
  
 - **Curadoria de:** Andrew Maranhão Ventura D'addario
-- **Financiado por:** Ministério da Saúde do Brasil (MoH/DECIT), Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) [processo nº 400757/2024-9] e a Fundação Gates.
+- **Financiado por:** Ministério da Saúde do Brasil (MS/DECIT), Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) [processo nº 400757/2024-9] e a Fundação Gates.
 - **Idioma(s) (NLP):** Português (pt-BR)
 - **Licença:** Creative Commons Attribution 4.0 Generic License (`cc-by-4.0`)
-- **Artigo:** [Link do Paper](https://www.researchgate.net/publication/392769601_HealthQA-BR_A_System-Wide_Benchmark_Reveals_Critical_Knowledge_Gaps_in_Large_Language_Models)
+- **Artigo:** [Link do Paper](https://arxiv.org/abs/2506.21578)
 
 ### Resultados
 | Model                            | Revalida  | Enare Residência Médica | Enare Multiprofissional | Overall Accuracy |
@@ -124,15 +124,19 @@ Os usuários são fortemente encorajados a usar os metadados granulares para rea
 
 **Vancouver:**
 
-D'addario AMV. HealthQA-BR: A System-Wide Benchmark Reveals Critical Knowledge Gaps in Large Language Models. arXiv [Preprint]. 2025.
+D'addario AMV. HealthQA-BR: A System-Wide Benchmark Reveals Critical Knowledge Gaps in Large Language Models. arXiv [Preprint]. Available from: https://arxiv.org/abs/2506.21578
 
 **BibTeX:**
 
 ```bibtex
 @article{daddario2025healthqabr,
-  title={{HealthQA-BR: A System-Wide Benchmark Reveals Critical Knowledge Gaps in Large Language Models}},
+  title={HealthQA-BR: A System-Wide Benchmark Reveals Critical Knowledge Gaps in Large Language Models},
   author={D'addario, Andrew Maranhão Ventura},
-  journal={arXiv preprint},
+  journal={arXiv preprint arXiv:2506.21578},
   year={2025},
-  note={O conjunto de dados HealthQA-BR e o código de avaliação estão disponíveis publicamente em: [https://huggingface.co/datasets/Larxel/healthqa-br](https://huggingface.co/datasets/Larxel/healthqa-br)}
+  eprint={2506.21578},
+  archivePrefix={arXiv},
+  primaryClass={cs.CL},
+  url={https://arxiv.org/abs/2506.21578},
+  note={O conjunto de dados HealthQA-BR e o código de avaliação estão disponíveis publicamente em: https://huggingface.co/datasets/Larxel/healthqa-br}
 }