Update app.py

app.py

@@ -25,7 +25,8 @@ except Exception:
     # Windows
     logger.warning("Windows, cant run time.tzset()")
 
-model_name = "wangrongsheng/IvyGPT-35" 
+#model_name = "wangrongsheng/IvyGPT-35" 
+model_name = "wangrongsheng/Med-InternLM"
 
 RETRY_FLAG = False
 
@@ -183,19 +184,19 @@ def retry_last_answer(
     )
 
 
-with gr.Blocks(title="IvyGPT", theme=gr.themes.Soft(text_size="sm")) as demo:
+with gr.Blocks(title="Med-InternLM", theme=gr.themes.Soft(text_size="sm")) as demo:
     # gr.HTML("""<h1 align="center">ChatGLM2-6B-int4</h1>""")
     gr.HTML(
-        """<h1 align="center">IvyGPT医疗对话大模型</h1>"""
+        """<h1 align="center">Med-InternLM医疗对话大模型</h1>"""
     )
 
     with gr.Accordion("🎈 Info", open=False):
         _ = f"""
-            ## 欢迎体验IvyGPT
+            ## 欢迎体验Med-InternLM
 
-            近期在通用领域中出现的大语言模型（LLMs），例如ChatGPT，在遵循指令和产生类人响应方面表现出了显著的成功。然而，这样的大型语言模型并没有被广泛应用于医学领域，导致响应的准确性较差，无法提供关于医学诊断、药物等合理的建议。为了应对这一挑战，我们提出了IvyGPT，这是一个医疗大语言模型，它在高质量的医学问答数据上进行了监督微调，并使用人类反馈的强化学习进行了训练。
+            近期在通用领域中出现的大语言模型（LLMs），例如ChatGPT，在遵循指令和产生类人响应方面表现出了显著的成功。然而，这样的大型语言模型并没有被广泛应用于医学领域，导致响应的准确性较差，无法提供关于医学诊断、药物等合理的建议。Med-InternLM是一个医疗大语言模型，它在高质量的医学问答数据上进行了监督微调，并使用人类反馈的强化学习进行了训练。
             
-            [模型下载地址](https://huggingface.co/wangrongsheng/IvyGPT-35)             
+            [模型下载地址](https://huggingface.co/wangrongsheng/Med-InternLM)             
             """
         gr.Markdown(dedent(_))
     chatbot = gr.Chatbot()