update layout

app.py

@@ -26,7 +26,7 @@ def get_pipeline(model_name):
 @spaces.GPU
 def suggest_next(text, model_name, k, m):
     """
-    使用 Beam Search 產生 M 條最可能的下段建議，並一次更新可選項清單。
+    使用 Beam Search 產生 M 條最可能的下段建議，並一次更新選項清單。
     """
     gen_pipe = get_pipeline(model_name)
     outs = gen_pipe(
@@ -38,11 +38,10 @@ def suggest_next(text, model_name, k, m):
         early_stopping=True
     )
     suggestions = [out["generated_text"][len(text):] for out in outs]
-    # 使用 None 重置選值，避免預設 value 不在 choices 列表中
+    # 重置選值並更新選項
     return update(choices=suggestions, value=None)
 
 def append_suggestion(current, choice):
-    # 如果沒有選擇，直接返回原文字
     if choice is None:
         return current
     return current + choice
@@ -53,17 +52,20 @@ with gr.Blocks() as demo:
         "結合小型語言模型與 ZeroGPU，即時 IME 風格建議條。"
     )
 
-    # 建議清單置頂，使用 Radio 類型一次展開
+    # 建議清單置頂，模仿輸入法候選欄
     suggestions = gr.Radio(
         [], label="建議清單", interactive=True, type="value", elem_id="suggestions-bar"
     )
 
-    # 輸入區與生成按鈕並排
+    # 輸入區與生成按鈕並排：加長文字框，按鈕縮小置右側
     with gr.Row():
-        input_text = gr.TextArea(
-            label="輸入文字", lines=4, placeholder="請在此輸入起始片段…"
-        )
-        gpu_button = gr.Button("使用 GPU 生成建議")
+        with gr.Column(scale=5):
+            input_text = gr.TextArea(
+                label="輸入文字", lines=6,
+                placeholder="請在此輸入起始片段…"
+            )
+        with gr.Column(scale=1, min_width=80):
+            gpu_button = gr.Button("使用 GPU 生成建議")
 
     # 參數設定區
     with gr.Row():
@@ -74,7 +76,7 @@ with gr.Blocks() as demo:
             minimum=1, maximum=50, step=1, value=5, label="K（最大新生成詞元）"
         )
         m_slider = gr.Slider(
-            minimum=1, maximum=10, step=1, value=10, label="M（建議數量 / Beam 數）"
+            minimum=1, maximum=10, step=1, value=5, label="M（建議數量 / Beam 數）"
         )
 
     # 事件綁定