Update app.py

app.py

@@ -169,7 +169,26 @@ def predict(contexto, frase_mask, chaos_factor):
             logits_betina = mlm_model.cls(corrected_hidden)
         else:
             logits_betina = mlm_model.get_output_embeddings()(corrected_hidden)
+
+        # --- 🚀 RESSONÂNCIA CONTEXTUAL (A MIRA LASER) ---
+        # Se o Caos estiver ativado, forçamos o modelo a considerar palavras do contexto.
+        # Isso resolve o problema de "quebrar o viés mas não achar a resposta".
+        if chaos_factor > 1.0:
+            # Tokeniza apenas o contexto para descobrir quais palavras estão lá
+            context_tokens = tokenizer(contexto, add_special_tokens=False)["input_ids"]
+            
+            # Cria um vetor de reforço
+            resonance_bias = torch.zeros_like(logits_betina[0, mask_idx])
             
+            # Para cada palavra que aparece no contexto, aumentamos a probabilidade dela
+            for token_id in context_tokens:
+                # O peso é proporcional ao Fator Caos. 
+                # 0.5 é um ajuste fino para não ignorar totalmente a gramática.
+                resonance_bias[token_id] += (chaos_factor * 0.5)
+            
+            # Injeta a ressonância nos logits originais
+            logits_betina[0, mask_idx] += resonance_bias
+
         probs_betina = F.softmax(logits_betina[0, mask_idx], dim=-1)
         top_k_betina = torch.topk(probs_betina, 5)