Cloudflare: Clef

Cloudflare Clef to większy model gęsty z rodziny decyzyjnej Clef, powstały przez dalsze trenowanie Qwen3.8-27B wraz z jego koderem obrazu. Cloudflare łączy tę architekturę bazową ze wspólną głowicą schematu, która kieruje materiał do pytań i wspólnie ocenia ich dozwolone opcje. Clef odczytuje sytuację i w jednym przebiegu w przód zwraca ograniczone decyzje z prawdopodobieństwami. Jego wyjście jest wynikiem klasyfikacji, zamiast wygenerowanego tekstu, otwartego raportu lub proponowanego polecenia.

Przygotuj stan i schemat pytań jako odrębne wejścia. Stan może być ciągiem znaków lub JSON-em reprezentującym rekord, rozmowę, treść dokumentu albo sytuację w aplikacji. Pytania mają klucze w postaci stałych nazw, a te same nazwy identyfikują zwrócone odpowiedzi. Określ, co każde pytanie ma ustalić, i opisz odpowiednie opcje. Rekord wsparcia może pytać, który zespół powinien obsłużyć zgłoszenie, czy jego skutki są pilne i które kryterium istotności ma zastosowanie, bez łączenia tych różnych decyzji w jedną niejasną kategorię.

Pytanie noul zwraca prawdopodobieństwo prawdy dla warunku binarnego. Pytanie choice zwraca wybraną nazwaną opcję, prawdopodobieństwa poszczególnych opcji i pewność. Pytanie score używa uporządkowanej listy opisów, indeksowanej od zera, i zwraca oczekiwaną ocenę, legendę oraz prawdopodobieństwa. Ocena ułamkowa ma znaczenie, ponieważ podsumowuje niepewność na uporządkowanych poziomach. Analizuj rozkład razem z wybraną odpowiedzią; dwie bliskie opcje mogą ujawnić różnicę, której wejście nie rozstrzyga.

Do kontroli zasad dołącz rzeczywisty tekst reguły i fakty z rekordu. Przykładem jest proces przetwarzania dokumentów z pytaniami, czy rekord jest kompletny, która kategoria przeglądu ma zastosowanie i jak silnie materiał uzasadnia natychmiastową uwagę. Zadawaj osobne pytania o osobne warunki. Ocena zgodności przez model powinna pozostać powiązana z dostarczoną regułą i materiałem. Jeśli brakuje ważnego warunku, schemat i aplikacja powinny mieć celowo określony sposób obsługi tej niepewności.

W przypadku materiału wizualnego dostarcz czytelny obraz i pytanie o widoczny warunek lub zdefiniowaną kategorię. Kontrola jakości formularza może oceniać czytelność, obecność wymaganego obszaru i to, który z dostarczonych poziomów jakości najlepiej go opisuje. Interfejs producenta dla otwartych wag przyjmuje również tablice klatek wideo. Zachowaj kolejność klatek i wskaż zdarzenie do oceny. Ograniczony schemat decyzyjny może klasyfikować ten materiał, natomiast żądanie opisu narracyjnego lub dowolnych nowo generowanych pól należy do innego rodzaju wyjścia.

Dokumentacja referencyjna hostowanego rozwiązania producenta podaje kontekst 65 536 tokenów, od jednego do 64 pytań i do czterech osadzonych obrazów. Obrazy PNG, JPEG lub WebP są ograniczone do 4 MiB i 16 megapikseli każdy, z łącznym limitem 8 MiB po zdekodowaniu; całe ciało żądania ma limit 13 MiB, a zdalne odnośniki do obrazów nie są akceptowane. Budżet wejścia obejmuje pytania i media. Długi tekst może zostać przycięty, aby się zmieścił, dlatego zachowaj rozstrzygające fragmenty i oznaczenia źródeł. Te limity opisują hostowany interfejs obrazowy producenta; koder modelu z otwartymi wagami ma własne reprezentacje lokalnych wejść.

Opis wydania Cloudflare przedstawia trening do oceniania w granicach schematu i kalibracji prawdopodobieństw. Model wydobywa materiał istotny dla poszczególnych opcji, a następnie uwzględnia informacje między polami. Może to wspierać decyzje dotyczące kilku powiązanych pytań w jednym rekordzie, ale nie czyni wysokiego prawdopodobieństwa gwarancją prawdziwości leżącego u podstaw faktu. Oceniaj rekordy trudne, niekompletne i wykraczające poza kategorie, obok prostych przypadków. Użyteczne kryteria decyzyjne obejmują sytuacje rzeczywiście występujące w procesie i jasno pokazują ważne różnice.

W procesie agentowym wynik może określać, który zdefiniowany następny krok należy rozważyć. Dostarcz bieżącą obserwację i kandydatów na działania z jasnymi opisami, a następnie zachowaj wybraną opcję i jej prawdopodobieństwa. Otaczająca aplikacja stosuje własną politykę działań i zapisuje, co zrobiła. Oddziel ten zapis wykonania od wyniku decyzji: wybranie ścieżki przeglądu nie dowodzi, że recenzent zadziałał, a wybranie kroku diagnostycznego nie dowodzi, że ten krok się powiódł.

Końcowym artefaktem jest obiekt odpowiedzi wraz ze stanem i schematem, które go wytworzyły. Używaj tych rekordów do analizowania nieoczekiwanych klasyfikacji, identyfikowania niejednoznacznych kryteriów i porównywania wyników ze zweryfikowanymi przykładami z zadania. Jeśli dalszy użytkownik potrzebuje pisemnego wyjaśnienia, decyzja i pierwotny materiał mogą stanowić wejścia do osobnego etapu pisania odpowiedzi. Clef dostarcza ograniczoną decyzję probabilistyczną potrzebną do wybrania następnego etapu z jasnym zapisem tego, co oceniono.