fix context

README.md

@@ -1,5 +1,5 @@
 ---
-title: Crossencoders
+title: Response quality classifiers
 emoji: 🪐
 colorFrom: yellow
 colorTo: blue

app.py

@@ -15,10 +15,15 @@ model = transformers.AutoModelForSequenceClassification.from_pretrained(model_na
 if torch.cuda.is_available():
     model = model.cuda()
 
-context_3 = st.text_input('Настя', 'Привет')
-context_2 = st.text_input('Диалоговый агент', 'Здарова')
-context_1 = st.text_input('Настя', 'Как жизнь?')
-response = st.text_input('Диалоговый агент', 'Норм')
+st.header('Эта демонстрация позволяет поэксперементировать с моделями, которые оценивают, насколько подходит предлагаемый ответ к контексту диалога')
+context_3 = 'Привет'
+context_2 = 'Здарова'
+context_1 = 'Ну рассказывай, как у тебя дела?'
+
+st.markdown('👱🏻‍♀️ *Настя*: ' + context_3)
+st.markdown('🤖 *Диалоговый агент*: ' + context_2)
+st.markdown('👱🏻‍♀️ *Настя*: ' + context_1)
+response = st.text_input('🤖 Диалоговый агент:', 'Норм')
 sample = {
     'context_3': context_3,
     'context_2': context_2,
@@ -26,7 +31,6 @@ sample = {
     'response': response
 }
 
-
 SEP_TOKEN = '[SEP]'
 CLS_TOKEN = '[CLS]'
 RESPONSE_TOKEN = '[RESPONSE_TOKEN]'
@@ -91,6 +95,6 @@ st.metric(
     value=probas[0]
 )
 st.metric(
-    label='Вероятность того, что последний ответ диалогового агента специфичный',
+    label='Вероятность того, что последний ответ диалогового агента вовлечённый',
     value=probas[1]
 )