Cloudflare: Clef Flash

Cloudflare Clef Flash adalah model pengambilan keputusan yang lebih kecil dalam keluarga Clef, dibuat melalui pelatihan lanjutan Qwen3.5-9B beserta encoder visualnya. Kepala skema gabungan membaca bukti dari masukan dan menilai jawaban yang diizinkan untuk setiap pertanyaan yang diminta dalam satu lintasan maju. Perannya adalah menghasilkan klasifikasi dan keputusan dalam batas yang ditentukan untuk suatu alur kerja. Keluarannya berupa hasil bertipe beserta probabilitas, bukan jawaban percakapan yang harus ditafsirkan aplikasi menjadi suatu kategori.

Jelaskan situasi dalam keadaan berupa teks atau JSON dan tetapkan pertanyaan secara terpisah. Pertanyaan memerlukan nama yang stabil, jenis, dan instruksi yang jelas; pertanyaan kategori atau skor juga menetapkan kriteria yang diizinkan. Untuk pesan dukungan, satu pertanyaan dapat mengklasifikasikan masalah, pertanyaan lain menilai urgensi, dan pertanyaan lainnya mengidentifikasi apakah rekaman kekurangan informasi yang diperlukan untuk tahap berikutnya. Sertakan ungkapan asli pelanggan, riwayat yang relevan, dan aturan operasional dalam keadaan agar keputusan terikat pada bukti.

Ketiga jenis pertanyaan memenuhi kebutuhan berbeda. Hasil noul adalah probabilitas bahwa kondisi benar/salah terpenuhi. Hasil choice mengidentifikasi satu opsi bernama dan menyertakan probabilitas seluruh alternatif beserta nilai keyakinan. Hasil score mengevaluasi kriteria berurutan dan mengembalikan skor berbobot probabilitas, legenda, serta distribusinya. Tetapkan urutan skor dengan sengaja: peralihan dari “Tidak perlu tindakan” ke “Tinjau segera” berbeda dari sekumpulan label topik tanpa urutan.

Untuk pengarahan cepat, jelaskan kategori berdasarkan tindakan atau batas tanggung jawab yang benar-benar membedakannya. Contoh yang berguna adalah permintaan dengan pilihan akses akun, gangguan teknis, pertanyaan dokumentasi, dan lainnya, disertai penjelasan setiap opsi. Hasil model dapat diteruskan ke aturan pengarahan aplikasi. Distribusi yang berdekatan antara gangguan teknis dan akses akun merupakan bukti berguna adanya ambiguitas; tetapkan secara eksplisit cara alur kerja menangani kasus tersebut alih-alih menganggap label terpilih sebagai diagnosis yang telah dikonfirmasi.

Untuk klasifikasi visual, berikan gambar yang dapat dibaca dan kondisi yang dapat didukung gambar tersebut. Peninjauan tanda terima dapat menanyakan apakah jumlah total terbaca dan memilih dari kategori kualitas dokumen yang telah ditetapkan. Jangan meminta jumlah total baru secara sembarang seolah-olah model adalah layanan ekstraksi atau penulisan tanpa batas. Antarmuka bobot terbuka pembuat juga menerima larik bingkai video. Pertahankan hubungan antara bingkai dan keadaan tertulis, serta tanyakan kejadian atau kondisi yang terlihat dalam materi tersebut.

Referensi terkini layanan yang dihosting produsen mencantumkan konteks 24.576 token, hingga 64 pertanyaan, dan hingga empat gambar tertanam. Gambar PNG, JPEG, atau WebP dibatasi hingga 4 MiB dan 16 megapiksel per gambar, dengan total setelah didekode 8 MiB; seluruh isi permintaan dibatasi hingga 13 MiB, dan tautan gambar jarak jauh tidak diterima. Definisi pertanyaan dan media menggunakan ruang masukan, dan teks panjang dapat dipotong agar muat. Tempatkan bukti penentu dalam keadaan yang ringkas. Cloudflare mendokumentasikan bahwa pengurangan konteks layanan yang dihosting tidak mengubah bobot yang dirilis, sehingga jendela layanan yang dihosting dan konfigurasi bobot terbuka tetap berbeda.

Keluaran model yang dibatasi membuatnya berguna untuk pemeriksaan kebijakan atau alur kerja yang berulang. Misalnya, tetapkan pertanyaan terpisah tentang apakah rekaman memenuhi aturan kelengkapan yang dinyatakan dan kategori tindak lanjut mana yang berlaku. Buat kriteria tetap eksplisit dan sertakan opsi untuk kasus yang tidak tercakup oleh kategori jika hal itu merupakan bagian dari rancangan alur kerja. Probabilitas menilai opsi yang diberikan; probabilitas tidak membuktikan bahwa opsi tersebut menggambarkan setiap situasi nyata secara lengkap.

Simpan keadaan, skema, dan jawaban yang dikembalikan bersama-sama. Jika hasil mengejutkan, periksa apakah suatu kriteria ambigu, masukan penentu tidak tersedia, atau teks relevan terpotong. Bandingkan penilaian model dengan kasus yang telah ditinjau dari tugas sebenarnya sebelum memilih ambang tindakan otomatis. Posisi Clef Flash sebagai model yang lebih kecil dengan keputusan cepat tidak menggantikan pemeriksaan biaya akibat keputusan pengarahan yang salah dalam alur kerja.

Gunakan hasil bertipe sebagai masukan untuk tahap aplikasi berikutnya. Model tidak menjalankan tahap tersebut atau menulis penjelasan akhirnya. Jika pengguna memerlukan laporan, sediakan keputusan dan bukti sumber untuk proses penulisan terpisah. Artefak berguna dari Clef Flash adalah jawaban yang dapat diperiksa untuk setiap pertanyaan bernama, beserta informasi probabilitas yang diperlukan untuk menerapkan aturan alur kerja.