Update app.py

app.py

@@ -20,6 +20,13 @@ dataset = dataset.map(tokenize_function, batched=True)
 # Schritt 3: Modell laden
 model = AutoModelForSequenceClassification.from_pretrained("allenai/scibert_scivocab_uncased", num_labels=3)
 
+# Anpassung für Trainingsdaten: Label-Spalte hinzufügen
+def add_labels(example):
+    example["labels"] = 1  # Dummy-Label, falls nicht vorhanden (1=positiv, 0=negativ, 2=neutral o.Ä.)
+    return example
+
+dataset = dataset.map(add_labels)
+
 # Schritt 4: Trainingsparameter setzen
 training_args = TrainingArguments(
     output_dir="./results",
@@ -39,6 +46,7 @@ trainer = Trainer(
     args=training_args,
     train_dataset=dataset["train"],
     eval_dataset=dataset["validation"],
+    compute_loss=lambda model, inputs: model(**inputs).loss  # Fix für fehlende Loss-Berechnung
 )
 trainer.train()