Update app.py

app.py

@@ -1,64 +1,70 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
+# Modelos escolhidos
+model_name1 = "google/flan-t5-small"
+model_name2 = "google/flan-t5-base"
+arbitro_model_name = "google/flan-t5-small"  # Pode usar o mesmo ou outro
 
+# Carregar tokenizadores e modelos
+tokenizer1 = AutoTokenizer.from_pretrained(model_name1)
+model1 = AutoModelForSeq2SeqLM.from_pretrained(model_name1)
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
+tokenizer2 = AutoTokenizer.from_pretrained(model_name2)
+model2 = AutoModelForSeq2SeqLM.from_pretrained(model_name2)
 
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
+tokenizer_arbitro = AutoTokenizer.from_pretrained(arbitro_model_name)
+model_arbitro = AutoModelForSeq2SeqLM.from_pretrained(arbitro_model_name)
 
-    messages.append({"role": "user", "content": message})
+def gerar_resposta(model, tokenizer, pergunta):
+    # Prompt para focar na resposta correta da capital
+    prompt = f"Responda com o nome da capital do país nesta pergunta: {pergunta}"
+    inputs = tokenizer(prompt, return_tensors="pt")
+    outputs = model.generate(**inputs, max_length=20)
+    resposta = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    return resposta.strip()
 
-    response = ""
+def arbitro(pergunta, resp1, resp2):
+    # Prompt para o árbitro escolher a melhor resposta
+    prompt = (
+        f"Pergunta: {pergunta}\n"
+        f"Resposta 1: {resp1}\n"
+        f"Resposta 2: {resp2}\n"
+        "Qual resposta é mais correta? Responda apenas 1 ou 2."
+    )
+    inputs = tokenizer_arbitro(prompt, return_tensors="pt")
+    outputs = model_arbitro.generate(**inputs, max_length=5)
+    escolha = tokenizer_arbitro.decode(outputs[0], skip_special_tokens=True).strip()
 
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
+    if escolha == "1":
+        return resp1, "Modelo 1 (flan-t5-small)"
+    elif escolha == "2":
+        return resp2, "Modelo 2 (flan-t5-base)"
+    else:
+        # Caso o árbitro não dê 1 ou 2, escolhe a resposta 1 por padrão
+        return resp1, "Modelo 1 (flan-t5-small)"
 
-        response += token
-        yield response
+def chatbot(pergunta):
+    resposta1 = gerar_resposta(model1, tokenizer1, pergunta)
+    resposta2 = gerar_resposta(model2, tokenizer2, pergunta)
+    resposta_final, modelo_escolhido = arbitro(pergunta, resposta1, resposta2)
 
+    return (
+        f"Resposta selecionada:\n{resposta_final}\n\nModelo escolhido:\n{modelo_escolhido}",
+        f"Resposta Modelo 1 (flan-t5-small):\n{resposta1}",
+        f"Resposta Modelo 2 (flan-t5-base):\n{resposta2}"
+    )
 
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
+iface = gr.Interface(
+    fn=chatbot,
+    inputs=gr.Textbox(label="Digite uma pergunta sobre capitais"),
+    outputs=[
+        gr.Textbox(label="Resposta selecionada"),
+        gr.Textbox(label="Resposta Modelo 1"),
+        gr.Textbox(label="Resposta Modelo 2")
     ],
+    title="Chatbot em Cascata - Perguntas sobre Capitais"
 )
 
-
-if __name__ == "__main__":
-    demo.launch()
+if _name_ == "_main_":
+    iface.launch()