Update app.py

app.py

@@ -148,7 +148,7 @@ def create_arena_tab():
 # Report 选项卡内容创建函数 (30分)
 # 报告内容直接嵌入到代码中
 def create_report_tab():
-    report_content_markdown = \"\"\"
+    report_content_markdown = """
 # 🚀 Hugging Face 模型对比实验报告
 
 ---
@@ -164,7 +164,7 @@ def create_report_tab():
 ### 1.2 模型用途对比简述
 我们选择了以下 2 个模型进行对比：
 * **模型 1: GPT2-Large (文本生成模型)**
-    * **用途简述**: 作为一个大型的通用文本生成模型, GPT2-Large 能够进行开放式文本生成、续写、摘要、创意写作等多种任务。它能理解较复杂的指令并生成语法流畅、内容丰富的文本。
+    * **用途简述**: 作为一个大型的通用文本生成模型，GPT2-Large 能够进行开放式文本生成、续写、摘要、创意写作等多种任务。它能理解较复杂的指令并生成语法流畅、内容丰富的文本。
 * **模型 2: deepset/roberta-base-squad2 (抽取式问答模型)**
     * **用途简述**: 这是一个专门用于抽取式问答任务的模型。它接收一个问题和一段上下文文本，然后从上下文中找到并返回问题的确切答案片段。主要应用于精准信息提取、文档问答系统等。
 
@@ -200,7 +200,7 @@ def create_report_tab():
 
 ### 2.2 输入与输出流程图
 
-\'\'\'mermaid
+```mermaid
 graph TD
     A[用户输入: 问题/提示词] --> B{Gradio 界面};
     A --> C[用户输入: 上下文];