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，並一次更新下拉選單的 choices & 選值。
+    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。
     """
     gen_pipe = get_pipeline(model_name)
     outs = gen_pipe(
@@ -38,21 +38,24 @@ def suggest_next(text, model_name, k, m):
         early_stopping=True
     )
     suggestions = [out["generated_text"][len(text):] for out in outs]
-    # 透過 update 一次設定下拉的 choices 及當前 value
-    return update(choices=suggestions, value=suggestions[0] if suggestions else "")
+    # 更新 Radio choices，預設不選中任何項
+    return update(choices=suggestions, value=None)
 
 def append_suggestion(current, choice):
     return current + choice
 
 with gr.Blocks() as demo:
     gr.Markdown(
-        "## 🇹🇼 台灣中文輸入法加速器\n"
-        "結合小型語言模型與 ZeroGPU，提供 Beam Search 風格的多條下段建議。"
+        "## 🇹🇼 台灣中文下段預測  \n"
+        "結合小型語言模型與 ZeroGPU，一次展開所有建議，快速點選並拼接文字。"
     )
 
-    input_text = gr.TextArea(
-        label="輸入文字", lines=4, placeholder="請在此輸入起始片段…"
-    )
+    # 將輸入框與生成按鈕並排
+    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.Row():
         model_selector = gr.Dropdown(
@@ -65,14 +68,16 @@ with gr.Blocks() as demo:
             minimum=1, maximum=10, step=1, value=5, label="M（建議數量 / Beam 數）"
         )
 
-    suggestions = gr.Dropdown([], label="建議清單", interactive=True)
-    gpu_button = gr.Button("使用 GPU 生成建議")
+    # 直接展開的建議清單（Radio）
+    suggestions = gr.Radio([], label="建議清單")
 
+    # 連結生成按鈕到推理函式
     gpu_button.click(
         fn=suggest_next,
         inputs=[input_text, model_selector, k_slider, m_slider],
         outputs=suggestions,
     )
+    # 點選建議後立刻拼接到文字框
     suggestions.change(
         fn=append_suggestion,
         inputs=[input_text, suggestions],