app.py

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
import gradio as gr

# Название модели
model_name = "sberbank-ai/rugpt3medium_based_on_gpt2"

# Загрузка модели и токенизатора
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Функция для генерации ответа
def generate_response(prompt):
    instruction = f"Ответь кратко и по существу на вопрос:\n{prompt.strip()}\nОтвет:"
    input_ids = tokenizer.encode(instruction, return_tensors="pt")

    # Параметры генерации для уменьшения времени отклика
    output = model.generate(
        input_ids,
        max_new_tokens=50,  # Уменьшение числа токенов для более короткого ответа
        do_sample=True,
        top_k=50,
        top_p=0.95,
        temperature=0.7,  # Уменьшение случайности
        pad_token_id=tokenizer.eos_token_id,
        eos_token_id=tokenizer.eos_token_id
    )

    response = tokenizer.decode(output[0], skip_special_tokens=True)

    # Убираем часть промпта из начала
    return response.replace(instruction, "").strip()

# Интерфейс Gradio
iface = gr.Interface(
    fn=generate_response,
    inputs=gr.Textbox(label="Введите ваш вопрос"),
    outputs=gr.Textbox(label="Ответ модели"),
    title="Ответ от ruGPT-3 Medium",
    description="Генерация ответа с помощью модели Sberbank ruGPT-3 Medium"
)

# Запуск интерфейса
iface.launch()