Cloudflare: Clef Flash

Cloudflare Clef Flash er den mindre beslutningsmodel i Clef-familien, bygget ved at eftertræne Qwen3.5-9B med dens vision-encoder. Et fælles skemahoved læser evidens fra inputtet og scorer de tilladte svar på alle de ønskede spørgsmål i én fremadrettet beregning. Dens rolle er at producere afgrænsede klassifikationer og beslutninger i en arbejdsgang. Outputtet er et typet resultat med sandsynligheder frem for et samtalesvar, som en applikation skal fortolke som en kategori.

Beskriv situationen i en tekst- eller JSON-tilstand, og definér spørgsmålene separat. Et spørgsmål kræver et stabilt navn, en type og en tydelig instruktion; kategori- eller scorespørgsmål definerer også deres tilladte kriterier. For en supportbesked kan ét spørgsmål klassificere problemet, et andet vurdere, hvor akut det er, og et tredje afgøre, om posten mangler oplysninger til næste trin. Bevar kundens faktiske formulering, relevant historik og driftsregler i tilstanden, så beslutningen er knyttet til evidens.

De tre spørgsmålstyper dækker forskellige behov. Et noul-resultat er sandsynligheden for, at en sand/falsk-betingelse er opfyldt. Et choice-resultat identificerer én navngiven svarmulighed og omfatter sandsynligheder for alternativerne samt en konfidensværdi. Et score-resultat vurderer ordnede kriterier og returnerer deres sandsynlighedsvægtede score, tegnforklaring og fordeling. Fastlæg rækkefølgen i en score bevidst: En bevægelse fra »Ingen handling nødvendig« til »Øjeblikkelig gennemgang« er noget andet end et uordnet sæt emneetiketter.

Ved hurtig routing skal kategorierne beskrives med de handlinger eller ansvarsgrænser, som faktisk adskiller dem. Et nyttigt eksempel er en anmodning med svarmulighederne kontoadgang, teknisk fejl, dokumentationsspørgsmål og andet, hvor hver mulighed forklares. Modellens resultat kan sendes videre til en routingregel i applikationen. En tæt fordeling mellem teknisk fejl og kontoadgang er nyttig evidens for tvetydighed; fastlæg udtrykkeligt, hvordan arbejdsgangen behandler sådanne tilfælde, frem for at antage, at den valgte etiket er en bekræftet diagnose.

Ved visuel klassifikation skal du indsende et læsbart billede og en betingelse, som billedet kan understøtte. En kvitteringsgennemgang kan spørge, om totalbeløbet er læseligt, og vælge mellem definerede kategorier for dokumentkvalitet. Den bør ikke bede om et vilkårligt nyt totalbeløb, som om modellen var en ubegrænset udtræks- eller skrivetjeneste. Producentens grænseflade til åbne modelvægte accepterer også arrays af videobilleder. Bevar forbindelsen mellem billederne og den skriftlige tilstand, og spørg om synlige hændelser eller forhold i materialet.

Producentens aktuelle hostede reference angiver en kontekst på 24.576 tokens, op til 64 spørgsmål og op til fire indlejrede billeder. PNG-, JPEG- eller WebP-billeder er begrænset til 4 MiB og 16 megapixels pr. billede med i alt 8 MiB afkodede data; hele anmodningsindholdet er begrænset til 13 MiB, og eksterne billedlinks accepteres ikke. Spørgsmålsdefinitioner og medier optager inputplads, og lang tekst kan blive afkortet for at passe. Saml den afgørende evidens i en kompakt tilstand. Cloudflare dokumenterer, at reduktionen af den hostede kontekst ikke ændrede de frigivne modelvægte, så det hostede vindue og konfigurationen med åbne modelvægte er fortsat adskilte.

Modellens begrænsede output gør den nyttig til gentagne regel- eller arbejdsgangskontroller. Definér eksempelvis separate spørgsmål om, hvorvidt en post opfylder de angivne fuldstændighedsregler, og hvilken opfølgningskategori der gælder. Hold kriterierne eksplicitte, og medtag en mulighed for tilfælde, som kategorierne ikke dækker, når det er en del af arbejdsgangens design. Sandsynlighederne scorer de indsendte svarmuligheder; de fastslår ikke, at mulighederne giver en fuldstændig beskrivelse af enhver virkelig situation.

Gem tilstanden, skemaet og det returnerede svar sammen. Når et resultat overrasker, skal du undersøge, om et kriterium er tvetydigt, om afgørende input mangler, eller om relevant tekst er afkortet. Sammenlign modellens vurderinger med gennemgåede tilfælde fra den faktiske opgave, før du vælger tærskler for automatiserede handlinger. Clef Flashs positionering som en mindre model til hurtige beslutninger erstatter ikke en vurdering af omkostningen ved en forkert routingbeslutning i arbejdsgangen.

Brug det typede resultat som input til næste applikationstrin. Modellen udfører ikke dette trin og skriver heller ikke den efterfølgende forklaring. Hvis brugeren har brug for en rapport, skal beslutningen og kildeevidensen være tilgængelige for en særskilt skriveproces. Det nyttige resultat fra Clef Flash er et svar, der kan undersøges, for hvert navngivet spørgsmål med de sandsynlighedsoplysninger, der er nødvendige for at anvende arbejdsgangens regler.