chore: switch default model to MiniCPM5-1B and update README for STEM user

README.md

@@ -16,19 +16,19 @@ license: mit
 
 **参赛赛道**：Backyard AI @ Build Small Hackathon  
 **提交三件套**：Space 链接 · Demo 视频 · 社交媒体 Post（见底部链接区）  
-**总参数规模**：≤ 32B（默认 `Qwen/Qwen2.5-1.5B-Instruct`，1.5B）
+**总参数规模**：≤ 32B（默认 `openbmb/MiniCPM5-1B`，约 1.08B）
 
 ---
 
 ## 🧑‍🎓 真实用户与真实痛点
 
-**目标用户**：本科生 / 研究生 / 高中理科生在写论文、作业、笔记时要把公式敲成 LaTeX。
+**目标用户**：本科 STEM 同学（物理 / 数学 / 工程 / 计算机专业），在写实验报告、作业、论文、笔记时需要把公式转成 LaTeX。
 
 **真实痛点一句话**：
-> “我同学写物理实验报告时，明明草稿上已经写好了公式，却要花十几分钟去查 `amsmath` 宏包语法、调括号层级、修 KaTeX 报错。”
+> “我室友写物理实验报告时，草稿上已经写好了公式，却要花十几分钟去查 `amsmath` 宏包语法、调括号层级、修 KaTeX 报错——明明只是把纸上的公式敲进电脑。”
 
-**对方真的用过**（待补充）：
-- 使用者：___（请填写真实用户姓名/身份，例如：大三物理专业同学）
+**对方真的用过**（待补充真实姓名与截图）：
+- 使用者：___（例如：某大学大三物理专业同学）
 - 使用场景：把草稿里的公式描述复制进 TeXada，直接拿到可粘贴到 Overleaf / Markdown 的 LaTeX。
 - 反馈：
   1. “___”
@@ -44,10 +44,10 @@ LaTeX 生成是一个**结构化、语法严格**的任务，不需要大模型
 
 | 约束优势 | 说明 |
 |---|---|
-| **速度** | 1.5B 模型在 CPU Space 上 5–15s 可出结果，适合“边写边查”的交互。 |
+| **速度** | MiniCPM5-1B 仅约 1.08B 参数，CPU Space 上 5–15s 可出结果，适合“边写边查”。 |
 | **隐私** | 作业/论文草稿不上传给闭源大模型，全部在 Space 容器内推理。 |
-| **低成本** | 小模型可在免费 CPU Space 上稳定运行，零 API 调用费用。 |
-| **诚实匹配** | 任务边界清晰（NL → LaTeX + 校验 + 修复），小模型足够覆盖。 |
+| **低成本** | 1B 级模型可在免费 CPU Space 上稳定运行，零 API 调用费用。 |
+| **诚实匹配** | 任务边界清晰（NL → LaTeX + 校验 + 修复），1B 端侧模型足够覆盖。 |
 
 ---
 
@@ -100,10 +100,10 @@ pip install -r requirements.txt
 python app.py
 ```
 
-默认模型可在环境变量中替换为任意 ≤32B 的 Hugging Face 模型：
+默认模型为 `openbmb/MiniCPM5-1B`，也可替换为任意 ≤32B 的 Hugging Face 模型：
 
 ```bash
-MODEL_NAME="openbmb/MiniCPM5-1B" python app.py
+MODEL_NAME="Qwen/Qwen2.5-1.5B-Instruct" python app.py
 ```
 
 ---
@@ -112,7 +112,7 @@ MODEL_NAME="openbmb/MiniCPM5-1B" python app.py
 
 - **UI**: Gradio 4.x
 - **推理**: Hugging Face `transformers`
-- **默认模型**: `Qwen/Qwen2.5-1.5B-Instruct`（1.5B 参数）
+- **默认模型**: `openbmb/MiniCPM5-1B`（约 1.08B 参数，≤ 32B）
 - **校验**: 括号/环境平衡、命令白名单
 - **修复**: 自动补全缺失的 `}` 和 `\end{...}`
 

app.py

@@ -22,13 +22,15 @@ import torch
 from transformers import AutoModelForCausalLM, AutoTokenizer
 
 # ── Config ──────────────────────────────────────────────────────────────
-MODEL_NAME = os.getenv("MODEL_NAME", "Qwen/Qwen2.5-1.5B-Instruct")
-MAX_TOKENS = int(os.getenv("MAX_TOKENS", "512"))
-TEMPERATURE = float(os.getenv("TEMPERATURE", "0.1"))
+MODEL_NAME = os.getenv("MODEL_NAME", "openbmb/MiniCPM5-1B")
+MAX_TOKENS = int(os.getenv("MAX_TOKENS", "1024"))
+TEMPERATURE = float(os.getenv("TEMPERATURE", "0.7"))
 
 PARAM_COUNTS_GB = {
+    "openbmb/MiniCPM5-1B": 1.08,
+    "openbmb/MiniCPM5-1B-SFT": 1.08,
+    "openbmb/MiniCPM5-1B-Base": 1.08,
     "Qwen/Qwen2.5-1.5B-Instruct": 1.5,
-    "openbmb/MiniCPM5-1B": 1.0,
     "openbmb/MiniCPM3-4B": 4.0,
 }
 
@@ -472,7 +474,7 @@ with gr.Blocks(css=CSS, title="TeXada — Math Formula Agent") as demo:
         """
         # TeXada — Math Formula Agent
         ### Backyard AI Build Small Hackathon Entry
-        把自然语言或 LaTeX 片段变成可渲染、可复制的 LaTeX。模型 ≤ 32B，默认 **Qwen2.5-1.5B-Instruct**。
+        把自然语言或 LaTeX 片段变成可渲染、可复制的 LaTeX。模型 ≤ 32B，默认 **MiniCPM5-1B**。
         """
     )
 
@@ -480,8 +482,8 @@ with gr.Blocks(css=CSS, title="TeXada — Math Formula Agent") as demo:
         model_info = gr.Markdown(
             f"""
             **当前模型**: `{MODEL_NAME}`  
-            **参数规模**: {PARAM_COUNTS_GB.get(MODEL_NAME, '≤ 32')}B  
-            **状态**: 首次启动需要 1–2 分钟加载模型，请稍候。
+            **参数规模**: {PARAM_COUNTS_GB.get(MODEL_NAME, '≤ 32')}B（≤ 32B 合规）  
+            **状态**: 首次启动需要 1–3 分钟加载模型，请稍候。首次推理会下载模型权重（约 2–3 GB）。
             """
         )