Update app.py

app.py

@@ -420,9 +420,10 @@ def process_ner_request(text, llm_model_name, progress=gr.Progress()):
 # --- Gradio Arayüzünü Tanımla ---
 # Modelleri dropdown'a ekleme
 llm_choices = [
-    ("Qwen 1.5B Instruct (Hızlı, Düşük Kaynak)", "Qwen/Qwen2.5-1.5B-Instruct"),
-    ("Mistral 7B Instruct (Orta Hız, İyi Kalite)", "Mistral/Mistral-7B-Instruct-v0.2"),
-    ("Llama 3 8B Instruct (Yüksek Kalite, Yüksek Kaynak)", "meta-llama/Meta-Llama-3-8B-Instruct")
+    ("Qwen 1.5B Instruct ", "Qwen/Qwen2.5-1.5B-Instruct"),
+    ("Mistral 7B Instruct ", "mistralai/Mistral-Large-3-675B-Instruct-2512"),
+    ("Llama 3 8B Instruct ", "meta-llama/Llama-3.1-8B-Instruct"),
+    ("Gemma-3-4b-it", "google/gemma-3-4b-it")
 ]
 
 iface = gr.Interface(
@@ -436,9 +437,9 @@ iface = gr.Interface(
             info="Seçilen model, MISC etiketlerini rafine etmek için kullanılacaktır."
         )
     ],
-    outputs=[gr.HTML(label="İşlem Logları"), gr.HTML(label="Zenginleştirilmiş NER Sonuçları")], 
-    title="Gelişmiş İnce Taneli NER (Seçilebilir LLM ve RAG Destekli)",
-    description="Metindeki varlıkları tanır, Wikipedia (RAG) kullanarak bağlamı bulur ve seçtiğiniz LLM (Akıl Yürütme Zinciri) ile etiketleri 23 ince taneli kategoriye rafine eder. İlk modelin tahmin skorları da tabloda gösterilmektedir.",
+    outputs=[gr.HTML(label="İşlem Logları"), gr.HTML(label="İyileştirilmiş NER Sonuçları")], 
+    title="Project BETA",
+    #description="Metindeki varlıkları tanır, Wikipedia (RAG) kullanarak bağlamı bulur ve seçtiğiniz LLM (Akıl Yürütme Zinciri) ile etiketleri 23 ince taneli kategoriye rafine eder. İlk modelin tahmin skorları da tabloda gösterilmektedir.",
     examples=[ 
         ["Milli Eğitim Bakanlığı'na bağlı Lise Birimleri, 2024 Türkiye Kupası etkinliğine katılacak ve %15 indirim uygulayacak."],
         ["General Vural, Türkçe dilini kullanan Türk askerlerini, https://example.com üzerinden uyardı. 'Hürriyet Kasidesi' eserini okudu."],