Spaces:
Paused
Paused
File size: 1,605 Bytes
6c036c1 aab52b9 19693ec a9b1392 19693ec aab52b9 14cd230 aab52b9 14cd230 19693ec e3d3bd5 14cd230 19693ec 14cd230 19693ec 14cd230 19693ec aab52b9 19693ec aab52b9 14cd230 19693ec aab52b9 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 |
import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
# Cargar el modelo y el tokenizador
model_name = "BSC-LT/salamandra-2b"
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.float16)
# Funci贸n de generaci贸n optimizada con System Prompt
def generate_response(prompt):
system_prompt = "Responde solo con el texto solicitado, sin informaci贸n personal ni datos irrelevantes."
inputs = tokenizer(f"Instrucci贸n: {system_prompt} \n Pregunta: {prompt} \n Respuesta directa:", return_tensors="pt")
outputs = model.generate(
inputs.input_ids,
max_length=50, # 馃敼 Antes: 60 | Ahora: 50 (reduce tiempo sin cortar demasiado)
do_sample=True,
temperature=0.5, # 馃敼 Antes: 0.65 | Ahora: 0.5 (menos aleatoriedad, m谩s precisi贸n)
top_p=0.85, # 馃敼 Antes: 0.9 | Ahora: 0.85 (m谩s controlado)
repetition_penalty=1.2, # 馃敼 Evita respuestas repetitivas
early_stopping=True, # 馃敼 Detiene la respuesta si ya est谩 completa
)
return tokenizer.decode(outputs[0], skip_special_tokens=True)
# Interfaz en Gradio
with gr.Blocks() as demo:
gr.Markdown("# 馃 Chatbot SOLID&ALIA - Optimizado con Instrucciones Claras")
input_text = gr.Textbox(label="Escribe tu texto aqu铆")
output_text = gr.Textbox(label="Respuesta de ALIA")
submit_button = gr.Button("Generar respuesta")
submit_button.click(generate_response, inputs=input_text, outputs=output_text)
demo.launch()
|