improve the model selection

app.py

@@ -5,7 +5,7 @@ pp_en = pipeline("question-answering",model="deepset/roberta-base-squad2")
 pp_ch = pipeline("question-answering",model="luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")
 
 def qa_fn(ask,ctxt,model):
-  pp = (pp_en if model=="deepset" else pp_ch);
+  pp = (pp_en if model=="english" else pp_ch);
   ret = pp(context=ctxt, question=ask);
   ret['entity']='Answer';
   return {"text":ctxt,"entities":[ret]}, ret['answer'], ret['score']     
@@ -13,16 +13,16 @@ def qa_fn(ask,ctxt,model):
   # 一种是list of dict ，一种是list of tuple. 详细用法参考https://gradio.app/named_entity_recognition/吧
 
 samples= [
-    ["乔治的哥哥叫什么名字？","我是小猪佩奇，我是乔治的哥哥，我家住在北京","deepset"],
-    ["图书馆主页的网址是多少啊？","读者进入图书馆主页（http://lib.tjut.edu.cn）后，点击文献传递菜单，即可查看文献传递的具体流程步骤","mrc"],
+    ["乔治的哥哥叫什么名字？","我是小猪佩奇，我是乔治的哥哥，我家住在北京","english"],
+    ["图书馆主页的网址是多少啊？","读者进入图书馆主页（http://lib.tjut.edu.cn）后，点击文献传递菜单，即可查看文献传递的具体流程步骤","chinese"],
         ];
 introStr = "用于演示使用人工智能自动寻找问题答案，这将是一种更加高效便捷的新型信息检索方式。";
 titleStr = "智能问答演示程序";
 
 demo = gr.Interface(qa_fn, 
        inputs=[gr.Textbox(label="Question",placeholder='请输入问题'), 
-               gr.Textbox(label="Contexkht",lines=10,placeholder="请输入一段文本"),
-               gr.Radio(["deepset","mrc"],label="Select Model", value="deepset"),
+               gr.Textbox(label="Context",lines=10,placeholder="请输入一段文本"),
+               gr.Radio(["english","chinese"],label="Select a Model", value="english"),
                ],
        outputs=[gr.HighlightedText(label='答案位置'),gr.Textbox(label="答案"),gr.Number(label="Score")],
        examples=samples,