Update app.py

app.py

@@ -20,11 +20,11 @@ with open("Manual_de_nutrición_clinica.pdf", "wb") as f:
     f.write(response.content)
 
 # Paso 2: Inicializar el modelo usando Hugging Face Pipeline
-# Nota: Si no tienes acceso a llama3.2:1b, reemplázalo por otro modelo de HF, como "distilbert-base-uncased"
+# Usamos gpt2 en lugar de distilbert-base-uncased
 llm = HuggingFacePipeline.from_model_id(
-    model_id="distilbert-base-uncased",  # Cambia por el modelo al que tengas acceso
+    model_id="gpt2",  # Cambiado a gpt2, que es compatible con AutoModelForCausalLM
     task="text-generation",
-    pipeline_kwargs={"temperature": 0, "top_k": 50, "top_p": 0.95, "max_length": 512}
+    pipeline_kwargs={"temperature": 0.7, "top_k": 50, "top_p": 0.95, "max_length": 512}
 )
 chain = llm | StrOutputParser()
 
@@ -72,8 +72,8 @@ interface = gr.Interface(
     inputs=gr.Textbox(label="Ingresa tu pregunta sobre nutrición:"),
     outputs=gr.Textbox(label="Respuesta:"),
     title="Respuesta a Preguntas sobre Nutrición",
-    description="Haz preguntas sobre nutrición basadas en el Manual Básico de Nutrición Clínica y Dietética"
+    description="Haz preguntas sobre nutrición basadas en el Manual Básico de Nutrición Clínica y Dietética."
 )
 
 # Lanzar la interfaz
-interface.launch()
+interface.launch()