Upload 2 files

app.py

@@ -2,22 +2,11 @@ import gradio as gr
 from huggingface_hub import InferenceClient
 import urllib.request
 import xml.etree.ElementTree as ET
-from transformers import pipeline
 
 # HuggingFace Inference Client
 #client = InferenceClient("meta-llama/Llama-3.3-70B-Instruct")
 client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
 
-# Hugging Face Pipeline für Named Entity Recognition (NER)
-nlp = pipeline("ner", model="dslim/bert-base-NER")
-
-# Funktion zur Extraktion von Keywords ohne Füllwörter
-def generate_query(input_text):
-    entities = nlp(input_text)
-    keywords = [entity['word'] for entity in entities if entity['entity_group'] in ['MISC', 'ORG', 'LOC', 'PER']]
-    return " ".join(keywords).strip()
-
-
 
 
 # Funktion, um relevante Studien von arXiv zu suchen
@@ -81,25 +70,26 @@ def respond(
         yield response
 
 # Gradio-Interface mit zusätzlichen Eingaben
-def create_intro_text():
-    return ("Willkommen beim Chatbot! Dieser Chatbot verwendet KI, um Ihre Fragen zu beantworten und relevante Studien "
-            "aus der arXiv-Datenbank abzurufen. Geben Sie eine Frage ein, und der Bot liefert Ihnen basierend auf Ihrem "
-            "Suchbegriff Studien mit Titel, Link und Zusammenfassung. Zusätzlich können Sie die Sortierung und maximale "
-            "Anzahl der Ergebnisse anpassen.")
 
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are helpful.", 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)"),
-        gr.Dropdown(label="Sortieren nach", choices=["relevance", "lastUpdatedDate", "submittedDate"], value="relevance"),
-        gr.Dropdown(label="Sortierreihenfolge", choices=["ascending", "descending"], value="descending"),
-        gr.Slider(label="Maximale Ergebnisse", minimum=1, maximum=50, value=20, step=1),
-    ],
-    description=create_intro_text()
-)
+with gr.Blocks() as demo:
+    gr.Markdown("""
+        ### Helloooooo
+      This chatbot uses AI to answer your questions and retrieve relevant studies from the arXiv database.
+Enter your specific query in the field below, and the bot will provide you with studies including the title, link, and summary.
+    """)
+    query_input = gr.Textbox(value="", label="Query", placeholder="Enter your specific search term.")
+    chat_interface = 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)"),
+            gr.Dropdown(label="Sortieren nach", choices=["relevance", "lastUpdatedDate", "submittedDate"], value="relevance"),
+            gr.Dropdown(label="Sortierreihenfolge", choices=["ascending", "descending"], value="descending"),
+            gr.Slider(label="Maximale Ergebnisse", minimum=1, maximum=50, value=20, step=1),
+        ],
+    )
 
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()

requirements.txt

@@ -1,2 +1 @@
 huggingface_hub==0.25.2
-transformers