Update utils.py

utils.py

@@ -144,10 +144,14 @@ urls = [
 ##################################################
 #Modell und Tokenizer für die Anfrage der RAG Chain 
 ##################################################
-# Schritt 1: Initialisiere den Sentence-Transformer und das Generierungsmodell
+# Schritt 1: Embedding Modelle, um relvante Texte zu einem Prompt zu finden
+#sowohl die texte als auch der Prompt werden embeddet!
 embedder_modell = SentenceTransformer("sentence-transformers/all-mpnet-base-v2") #'all-MiniLM-L6-v2')
 EMBEDDING_MODELL = "sentence-transformers/all-mpnet-base-v2"
-HF_MODELL = "t5-small"
+
+#Modell und Tokenizer, um die Summary über die relevanten Texte zu machen
+#mögliche Modelle: "HuggingFaceH4/zephyr-7b-alpha" #"t5-small" #"meta-llama/Meta-Llama-3-8B-Instruct" #"mistralai/Mistral-7B-Instruct-v0.3" #"microsoft/Phi-3-mini-4k-instruct" #"HuggingFaceH4/zephyr-7b-alpha" 
+HF_MODELL = "HuggingFaceH4/zephyr-7b-alpha"
 modell_rag = AutoModelForSeq2SeqLM.from_pretrained(HF_MODELL)
 tokenizer_rag = AutoTokenizer.from_pretrained(HF_MODELL)