Cloudflare: Clef Flash

Cloudflare Clef Flash ialah model keputusan yang lebih kecil dalam keluarga Clef, dibina melalui latihan lanjut Qwen3.5-9B bersama pengekod visinya. Kepala skema bersama membaca bukti daripada input dan memberi skor kepada jawapan yang dibenarkan bagi setiap soalan yang diminta dalam satu laluan hadapan. Peranannya ialah menghasilkan klasifikasi dan keputusan terbatas dalam aliran kerja. Outputnya ialah hasil berjenis dengan kebarangkalian, bukannya jawapan perbualan yang perlu ditafsirkan oleh aplikasi sebagai satu kategori.

Terangkan situasi dalam keadaan berbentuk teks atau JSON dan takrifkan soalan secara berasingan. Setiap soalan memerlukan nama yang stabil, jenis dan arahan yang jelas; soalan kategori atau skor juga mentakrifkan kriteria yang dibenarkan. Untuk mesej sokongan, satu soalan boleh mengklasifikasikan isu, satu lagi boleh menilai tahap kesegeraan, dan satu lagi boleh mengenal pasti sama ada rekod kekurangan maklumat yang diperlukan untuk langkah seterusnya. Simpan perkataan sebenar pelanggan, sejarah yang berkaitan dan peraturan operasi dalam keadaan supaya keputusan terikat pada bukti.

Tiga jenis soalan memenuhi keperluan yang berbeza. Hasil noul ialah kebarangkalian bahawa sesuatu syarat benar/palsu dipenuhi. Hasil pilihan mengenal pasti satu opsyen bernama dan merangkumi kebarangkalian merentas alternatif serta nilai keyakinan. Hasil skor menilai kriteria bertertib dan mengembalikan skor berwajaran kebarangkalian, legenda dan taburannya. Tetapkan susunan skor dengan teliti: peralihan daripada “Tiada tindakan diperlukan” kepada “Semakan segera” berbeza daripada set label topik yang tidak bertertib.

Untuk penghalaan pantas, terangkan kategori menggunakan tindakan atau sempadan tanggungjawab yang benar-benar membezakannya. Contoh yang berguna ialah permintaan dengan pilihan untuk akses akaun, kerosakan teknikal, soalan dokumentasi dan lain-lain, dengan setiap opsyen diterangkan. Hasil model boleh dihantar kepada peraturan penghalaan aplikasi. Taburan yang hampir sama antara kerosakan teknikal dan akses akaun ialah bukti berguna tentang kekaburan; tentukan secara eksplisit cara aliran kerja mengendalikan kes sebegini dan bukannya menganggap label terpilih sebagai diagnosis yang disahkan.

Untuk klasifikasi visual, bekalkan imej yang boleh dibaca dan kondisi yang boleh disokong oleh imej itu. Semakan resit mungkin bertanya sama ada jumlah boleh dibaca dan memilih antara kategori kualiti dokumen yang ditetapkan. Semakan itu tidak sepatutnya meminta jumlah baharu yang sewenang-wenangnya seolah-olah model ialah perkhidmatan pengekstrakan atau penulisan tanpa sekatan. Antara muka pemberat terbuka pembuat model juga menerima tatasusunan bingkai video. Kekalkan hubungan antara bingkai dengan keadaan bertulis, dan tanya tentang peristiwa atau kondisi yang kelihatan dalam bahan tersebut.

Rujukan dihoskan terkini daripada pengeluar menyenaraikan konteks 24,576 token, sehingga 64 soalan dan sehingga empat imej terbenam. Imej PNG, JPEG atau WebP dihadkan kepada 4 MiB dan 16 megapiksel setiap satu, dengan jumlah 8 MiB selepas nyahkod; keseluruhan badan permintaan dihadkan kepada 13 MiB, dan pautan imej jauh tidak diterima. Definisi soalan dan media menggunakan ruang input, dan teks yang panjang mungkin dipotong supaya muat. Letakkan bukti penentu dalam keadaan yang padat. Cloudflare mendokumenkan bahawa pengurangan konteks yang dihoskan tidak mengubah pemberat yang dikeluarkan, jadi tetingkap yang dihoskan dan konfigurasi pemberat terbuka kekal berbeza.

Output model yang terkekang menjadikannya berguna untuk semakan dasar atau aliran kerja yang berulang. Sebagai contoh, takrifkan soalan berasingan yang bertanya sama ada rekod memenuhi peraturan kelengkapan yang dinyatakan dan kategori susulan manakah yang terpakai. Pastikan kriteria dinyatakan secara eksplisit dan sertakan opsyen untuk kes yang tidak diliputi oleh kategori apabila perkara itu sebahagian daripada reka bentuk aliran kerja. Kebarangkalian memberi skor kepada opsyen yang dibekalkan; ia tidak membuktikan bahawa opsyen tersebut membentuk penerangan lengkap bagi setiap situasi sebenar.

Simpan keadaan, skema dan jawapan yang dikembalikan bersama-sama. Apabila sesuatu hasil mengejutkan, periksa sama ada sesuatu kriteria samar-samar, sama ada input penentu tiada, atau sama ada teks yang berkaitan terpotong. Bandingkan penilaian model dengan kes yang telah disemak daripada tugasan sebenar sebelum memilih ambang tindakan automatik. Kedudukan Clef Flash sebagai model yang lebih kecil untuk keputusan pantas tidak menggantikan keperluan untuk menyemak kos keputusan penghalaan yang salah bagi aliran kerja.

Gunakan hasil berjenis sebagai input kepada langkah aplikasi seterusnya. Model tidak melaksanakan langkah itu atau menulis penjelasan akhirnya. Jika pengguna memerlukan laporan, pastikan keputusan dan bukti sumber tersedia untuk proses penulisan yang berasingan. Artifak berguna daripada Clef Flash ialah jawapan yang boleh diperiksa bagi setiap soalan bernama, beserta maklumat kebarangkalian yang diperlukan untuk menerapkan peraturan aliran kerja.