Cloudflare: Clef

Cloudflare Clef è il modello denso più grande della famiglia decisionale Clef, derivato dal post-addestramento di Qwen3.8-27B con il suo encoder visivo. Cloudflare combina questa architettura con una testa condivisa per lo schema, che indirizza gli elementi di evidenza alle domande e valuta insieme le opzioni ammesse. Clef legge una situazione e restituisce decisioni circoscritte con probabilità in un unico passaggio in avanti della rete. Il suo output è un risultato di classificazione, anziché testo generato, un rapporto aperto o un comando proposto.

Prepara lo stato e lo schema delle domande come input distinti. Lo stato può essere una stringa o JSON che rappresenta un record, una conversazione, il contenuto di un documento o una situazione applicativa. Le domande sono identificate da nomi stabili, e gli stessi nomi identificano le risposte restituite. Definisci che cosa debba stabilire ciascuna domanda e descrivi le opzioni pertinenti. Un record di assistenza può chiedere quale team debba gestire la richiesta, se l’impatto è urgente e quale criterio di gravità si applica, senza fondere queste decisioni diverse in un’unica categoria vaga.

Una domanda noul restituisce la probabilità che una condizione binaria sia vera. Una domanda choice restituisce un’opzione con nome selezionata, le probabilità delle singole opzioni e la confidenza. Una domanda score usa un elenco ordinato di descrizioni, con indici a partire da zero, e restituisce un punteggio atteso, una legenda e le probabilità. Un punteggio frazionario ha significato perché riassume l’incertezza tra livelli ordinati. Esamina la distribuzione oltre alla risposta selezionata; due opzioni vicine possono rivelare una distinzione che l’input non risolve.

Per le verifiche di regole, includi il testo effettivo della regola e i fatti del record. Un esempio è un flusso di elaborazione documentale con domande che chiedono se il record è completo, quale categoria di verifica si applica e quanto gli elementi disponibili giustificano un’attenzione immediata. Poni domande distinte per condizioni distinte. Una valutazione di conformità del modello dovrebbe rimanere collegata alla regola e agli elementi forniti. Se manca una condizione importante, lo schema e l’applicazione dovrebbero prevedere intenzionalmente come gestire tale incertezza.

Per gli elementi visivi, fornisci un’immagine leggibile e una domanda su una condizione visibile o una categoria definita. Un controllo di qualità di un modulo potrebbe valutarne la leggibilità, la presenza di un’area obbligatoria e quale livello di qualità fornito lo descrive meglio. L’interfaccia a pesi aperti del produttore accetta anche array di fotogrammi video. Mantieni i fotogrammi in ordine e identifica l’evento da valutare. Uno schema decisionale circoscritto può classificare quel materiale, mentre una richiesta di descrizione narrativa o di nuovi campi arbitrariamente generati appartiene a un tipo diverso di output.

Il riferimento ospitato del produttore indica un contesto di 65.536 token, da una a 64 domande e fino a quattro immagini incorporate. Le immagini PNG, JPEG o WebP hanno un limite di 4 MiB e 16 megapixel ciascuna, con un totale di 8 MiB decodificati; l’intero corpo della richiesta è limitato a 13 MiB e non sono accettati collegamenti remoti alle immagini. Il budget di input include domande e contenuti multimediali. Il testo lungo può essere troncato per rientrare nella finestra, quindi conserva i passaggi decisivi e le etichette delle fonti. Questi limiti descrivono l’interfaccia di immagini ospitata del produttore; l’encoder a pesi aperti ha proprie rappresentazioni per gli input locali.

La pubblicazione di Cloudflare descrive l’addestramento alla valutazione vincolata allo schema e alla calibrazione delle probabilità. Il modello estrae gli elementi pertinenti per le singole opzioni e poi considera le informazioni tra i campi. Ciò può supportare decisioni su diverse domande correlate in un record, ma non rende una probabilità elevata una garanzia che il fatto sottostante sia vero. Valuta record difficili, incompleti e fuori categoria, oltre ai casi semplici. Criteri decisionali utili coprono le situazioni effettivamente incontrate dal flusso di lavoro e rendono esplicite le distinzioni importanti.

Per un flusso di lavoro di un agente, l’output può determinare quale passaggio successivo definito debba essere preso in considerazione. Fornisci l’osservazione corrente e le azioni candidate con descrizioni chiare, poi conserva l’opzione selezionata e le sue probabilità. L’applicazione circostante applica la propria politica d’azione e registra ciò che ha fatto. Mantieni il registro di esecuzione separato dal risultato decisionale: selezionare un percorso di verifica non dimostra che un revisore abbia agito, e selezionare un passaggio diagnostico non dimostra che quel passaggio sia riuscito.

L’artefatto finale è l’oggetto delle risposte, insieme allo stato e allo schema che lo hanno prodotto. Usa questi record per esaminare classificazioni inattese, individuare criteri ambigui e confrontare i risultati con esempi verificati della stessa attività. Se un utente a valle richiede una spiegazione scritta, la decisione e gli elementi originali possono diventare input per una fase separata di scrittura della risposta. Clef fornisce la decisione probabilistica circoscritta necessaria per scegliere la fase successiva, con una descrizione chiara di ciò che è stato valutato.