Upload 2 files

app.py

@@ -0,0 +1,79 @@
+
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
+from sentence_transformers import SentenceTransformer, util
+import torch
+import gradio as gr
+
+# Modelos A e B
+modelo_a_nome = "pierreguillou/t5-base-pt-small-finetuned-question-generation"
+modelo_b_nome = "unicamp-dl/ptt5-base-portuguese-vocab"
+
+tokenizer_a = AutoTokenizer.from_pretrained(modelo_a_nome)
+modelo_a = AutoModelForSeq2SeqLM.from_pretrained(modelo_a_nome)
+
+tokenizer_b = AutoTokenizer.from_pretrained(modelo_b_nome)
+modelo_b = AutoModelForSeq2SeqLM.from_pretrained(modelo_b_nome)
+
+# Modelo Árbitro
+modelo_arbitro_nome = "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
+modelo_arbitro = SentenceTransformer(modelo_arbitro_nome)
+
+# Dispositivo
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+modelo_a = modelo_a.to(device)
+modelo_b = modelo_b.to(device)
+modelo_arbitro = modelo_arbitro.to(device)
+
+# Funções
+def gerar_resposta_modelo_a(pergunta):
+    entrada = tokenizer_a.encode(pergunta, return_tensors="pt").to(device)
+    saida_ids = modelo_a.generate(entrada, max_length=50, num_beams=4, early_stopping=True)
+    resposta = tokenizer_a.decode(saida_ids[0], skip_special_tokens=True)
+    return resposta
+
+def gerar_resposta_modelo_b(pergunta):
+    entrada = tokenizer_b.encode(pergunta, return_tensors="pt").to(device)
+    saida_ids = modelo_b.generate(entrada, max_length=50, num_beams=4, early_stopping=True)
+    resposta = tokenizer_b.decode(saida_ids[0], skip_special_tokens=True)
+    return resposta
+
+def escolher_melhor_resposta(pergunta, resposta_a, resposta_b):
+    embeddings = modelo_arbitro.encode([pergunta, resposta_a, resposta_b], convert_to_tensor=True)
+    similaridade_a = util.pytorch_cos_sim(embeddings[0], embeddings[1]).item()
+    similaridade_b = util.pytorch_cos_sim(embeddings[0], embeddings[2]).item()
+
+    if similaridade_a > similaridade_b:
+        melhor = "A"
+        resposta_escolhida = resposta_a
+    else:
+        melhor = "B"
+        resposta_escolhida = resposta_b
+
+    return resposta_escolhida, melhor, similaridade_a, similaridade_b
+
+def responder(pergunta):
+    resposta_a = gerar_resposta_modelo_a(pergunta)
+    resposta_b = gerar_resposta_modelo_b(pergunta)
+    resposta_final, escolhido, sim_a, sim_b = escolher_melhor_resposta(pergunta, resposta_a, resposta_b)
+
+    return {
+        "Melhor Resposta": resposta_final,
+        "Resposta do Modelo A": f"{resposta_a} (similaridade: {sim_a:.2f})",
+        "Resposta do Modelo B": f"{resposta_b} (similaridade: {sim_b:.2f})",
+        "Modelo Escolhido": f"Modelo {escolhido}"
+    }
+
+interface = gr.Interface(
+    fn=responder,
+    inputs=gr.Textbox(label="Digite sua pergunta"),
+    outputs=[
+        gr.Textbox(label="Melhor Resposta"),
+        gr.Textbox(label="Resposta do Modelo A"),
+        gr.Textbox(label="Resposta do Modelo B"),
+        gr.Textbox(label="Modelo Escolhido"),
+    ],
+    title="Chatbot em Cascata",
+    description="Este chatbot compara duas respostas geradas por modelos diferentes e escolhe a melhor com base na similaridade semântica. Respostas 100% em português."
+)
+
+interface.launch()

requirements.txt

@@ -0,0 +1,4 @@
+transformers
+sentence-transformers
+torch
+gradio