Update app.py

app.py

@@ -2,16 +2,18 @@ import streamlit as st
 from transformers import AutoTokenizer, AutoModelForCausalLM
 import torch
 
-# 🧠 モデルロード（初回キャッシュで高速化）
+# 🔃 モデル・トークナイザーの読み込み（slow tokenizer指定）
 @st.cache_resource
 def load_model():
-    tokenizer = AutoTokenizer.from_pretrained("rinna/japanese-gpt-neox-3.6b")
+    tokenizer = AutoTokenizer.from_pretrained(
+        "rinna/japanese-gpt-neox-3.6b", use_fast=False
+    )
     model = AutoModelForCausalLM.from_pretrained("rinna/japanese-gpt-neox-3.6b")
     return tokenizer, model
 
 tokenizer, model = load_model()
 
-# 📝 入力データ（4ケース）
+# 📋 サンプルデータ（4頭分）
 cases = [
     {
         "user_input": """1歳時馬体重：430kg
@@ -60,31 +62,31 @@ cases = [
 ]
 
 # ✨ コメント生成関数
-def generate_comment(prompt):
-    full_prompt = f"""以下は、一口馬主の募集馬についてのAI総括コメントです。
+def generate_comment(case):
+    prompt = f"""以下は、一口馬主の募集馬についてのAI総括コメントです。
 
 ユーザーが入力した項目：
-{prompt["user_input"]}
+{case["user_input"]}
 
 予測した結果：
-{prompt["result_summary"]}
+{case["result_summary"]}
 
 この馬について得られた結果を総括したうえで、ポジティブな言葉で締めくくってください。
 コメント："""
 
-    input_ids = tokenizer.encode(full_prompt, return_tensors="pt")
+    input_ids = tokenizer.encode(prompt, return_tensors="pt")
     output = model.generate(input_ids, max_new_tokens=120, do_sample=True, temperature=0.7)
     decoded = tokenizer.decode(output[0], skip_special_tokens=True)
     return decoded.split("コメント：")[-1].strip()
 
-# 🌐 Streamlit UI
-st.title("🐴 募集馬AIコメント生成（デモ）")
+# 🖼️ UI部分
+st.title("🐴 AIによる募集馬コメント生成デモ")
 
 if st.button("🎯 コメントを一括生成"):
     for i, case in enumerate(cases, 1):
         with st.spinner(f"Case {i} を生成中..."):
             comment = generate_comment(case)
-            st.markdown(f"### 🐴 Case {i}")
+            st.markdown(f"### 🐎 Case {i}")
             st.markdown(f"**📥 入力**\n```\n{case['user_input']}\n```\n")
             st.markdown(f"**📊 予測結果**\n```\n{case['result_summary']}\n```\n")
             st.markdown(f"**📝 コメント**\n> {comment}")