Cloudflare: Clef

Cloudflare Clef er den større tette modellen i Clef-familien av beslutningsmodeller, ettertrent fra Qwen3.8-27B med dens visuelle enkoder. Cloudflare kombinerer denne grunnmodellen med et felles skjemahode som knytter evidens til spørsmålene og skårer de tillatte alternativene samlet. Clef leser en situasjon og returnerer avgrensede beslutninger med sannsynligheter i én fremoverpassering. Resultatet er en klassifisering, fremfor generert prosa, en åpen rapport eller en foreslått kommando.

Forbered tilstanden og spørsmålsskjemaet som separate inndata. Tilstanden kan være en streng eller JSON som representerer en post, en samtale, dokumentinnhold eller en situasjon i applikasjonen. Spørsmålene har stabile navn som nøkler, og de samme navnene identifiserer de returnerte svarene. Definer hva hvert spørsmål skal avklare, og beskriv de relevante alternativene. En supportpost kan spørre hvilket team som skal håndtere forespørselen, om konsekvensen er akutt, og hvilket alvorlighetskriterium som gjelder, uten å samle disse ulike beslutningene i én vag kategori.

Et noul-spørsmål returnerer sannsynligheten for sann for en binær betingelse. Et choice-spørsmål returnerer et valgt navngitt alternativ, sannsynligheter per alternativ og konfidens. Et score-spørsmål bruker en ordnet liste med beskrivelser, indeksert fra null, og returnerer en forventet skår, en tegnforklaring og sannsynligheter. En skår med desimaler er meningsfull fordi den oppsummerer usikkerhet på tvers av ordnede nivåer. Undersøk både fordelingen og det valgte svaret; to alternativer som ligger nær hverandre, kan avdekke et skille inndataene ikke avklarer.

Ved regelkontroll inkluderer du den faktiske regelteksten og faktaene i posten. Et eksempel er en arbeidsflyt for dokumentbehandling med spørsmål om posten er fullstendig, hvilken gjennomgangskategori som gjelder, og hvor sterkt evidensen støtter umiddelbar oppmerksomhet. Still separate spørsmål for separate betingelser. En modellvurdering av etterlevelse bør forbli knyttet til den innsendte regelen og evidensen. Hvis en viktig betingelse mangler, bør skjemaet og applikasjonen ha en bevisst utformet måte å håndtere usikkerheten på.

For visuell evidens sender du inn et lesbart bilde og et spørsmål om et synlig forhold eller en definert kategori. En skjemakvalitetskontroll kan vurdere leselighet, om et påkrevd område er til stede, og hvilket av de angitte kvalitetsnivåene som beskriver det best. Produsentens grensesnitt med åpne modellvekter godtar også arrayer med videobilder. Hold bildene i rekkefølge og identifiser hendelsen som skal vurderes. Et avgrenset beslutningsskjema kan klassifisere materialet, mens en forespørsel om en fortellende beskrivelse eller vilkårlige nygenererte felter tilhører en annen type resultat.

Produsentens vertsbaserte referanse oppgir en kontekst på 65 536 tokener, ett til 64 spørsmål og opptil fire innebygde bilder. PNG-, JPEG- eller WebP-bilder er begrenset til 4 MiB og 16 megapiksler per bilde, med totalt 8 MiB dekodede data; hele forespørselskroppen er begrenset til 13 MiB, og eksterne bildelenker godtas ikke. Inndatabudsjettet omfatter spørsmålene og mediene. Lang tekst kan bli avkortet for å få plass, så bevar avgjørende avsnitt og kildemerking. Disse grensene beskriver produsentens vertsbaserte bildegrensesnitt; enkoderen med åpne modellvekter har sine egne representasjoner av lokale inndata.

Cloudflares utgivelse beskriver trening for skjemabundet skåring og sannsynlighetskalibrering. Modellen trekker ut relevant evidens for de enkelte alternativene og vurderer deretter informasjon på tvers av felter. Dette kan støtte beslutninger om flere relaterte spørsmål i én post, men gjør ikke en høy sannsynlighet til en garanti for at det underliggende forholdet er sant. Vurder vanskelige, ufullstendige og kategorifremmede poster i tillegg til enkle tilfeller. Nyttige beslutningskriterier dekker situasjonene arbeidsflyten faktisk møter, og gjør viktige skiller uttrykkelige.

I en agents arbeidsflyt kan resultatet avgjøre hvilket definert neste trinn som bør vurderes. Send inn den gjeldende observasjonen og mulige handlinger med tydelige beskrivelser, og behold deretter det valgte alternativet og sannsynlighetene. Applikasjonen rundt modellen anvender sin handlingspolicy og registrerer hva den gjorde. Hold denne utførelsesregistreringen atskilt fra beslutningsresultatet: Å velge en rute for gjennomgang fastslår ikke at en kontrollør handlet, og å velge et diagnostisk trinn fastslår ikke at trinnet lyktes.

Det endelige produktet er answers-objektet sammen med tilstanden og skjemaet som frembrakte det. Bruk disse registreringene til å undersøke uventede klassifiseringer, identifisere tvetydige kriterier og sammenligne resultater med gjennomgåtte oppgaveeksempler. Hvis en senere bruker trenger en skriftlig forklaring, kan beslutningen og den opprinnelige evidensen være inndata til et separat trinn for svarskriving. Clef leverer den avgrensede sannsynlighetsbaserte beslutningen som trengs for å velge neste trinn med en tydelig redegjørelse for hva som ble vurdert.