مدل Clairic استخراج داده‌های بدون ساختار را سریع‌تر می‌کند
به گزارش وبلاگ Cloudflare، مدل جدید Clairic به‌صورت پیش‌نمایش روی Workers AI عرضه شده است تا داده‌های بدون ساختار را استخراج و محاسبه کند یا از آن‌ها برای برآورد و پیش‌بینی استفاده کند. این مدل از خانواده مدل‌های استخراجی System One است و برای سازمان‌هایی اهمیت دارد که اسناد، پیام‌های پشتیبانی، تصاویر و داده‌های عملیاتی را در مقیاس بالا پردازش می‌کنند.
Clairic چه تفاوتی با مدل‌های زبانی دارد؟
Clairic به‌جای تولید مرحله‌به‌مرحله متن، ورودی را در یک گذر پردازش می‌کند و خروجی‌های نوع‌دار تحویل می‌دهد. این خروجی می‌تواند متن، عدد، تاریخ، زمان، مدت، فهرست، برآورد یا پیش‌بینی باشد. برای داده‌های استخراج‌شده نیز موقعیت کاراکترها و امتیاز اطمینان ارائه می‌شود؛ در نتیجه سامانه می‌تواند منبع هر مقدار را در ورودی پیدا کند و موارد کم‌اطمینان را برای بازبینی انسانی کنار بگذارد.
این مدل پاسخ متنی آزاد تولید نمی‌کند و اگر مقداری را در ورودی نیابد، می‌تواند خروجی null بدهد. به گفته سازنده، حذف تولید توکن باعث کاهش زمان پاسخ و هزینه در مقایسه با استفاده از مدل‌های زبانی عمومی برای کارهای تکراری استخراج داده می‌شود. پاسخ‌ها معمولاً در کمتر از یک ثانیه آماده می‌شوند و هزینه فقط بر اساس ورودی محاسبه می‌شود.
کاربر در هر درخواست، متن و حداکثر چهار تصویر را همراه با فیلدهای موردنظر تعریف می‌کند. Clairic همه فیلدها را به‌صورت موازی بررسی می‌کند و برای برآوردها و پیش‌بینی‌ها بازه ۸۰ درصدی ارائه می‌دهد. Cloudflare تأکید کرده است که این مدل همچنان ممکن است اشتباه کند و خروجی معتبر از نظر قالب، الزاماً به معنای درستی مقدار نیست.
کاربرد و محدودیت‌های نسخه پیش‌نمایش
کاربردهای مطرح‌شده شامل خواندن فاکتور و رسید، محاسبه مقادیر ساده، تخمین بر پایه نمونه‌های مشابه و پیش‌بینی کوتاه‌مدت سری‌های زمانی است. برای تیم‌های زیرساخت ابری و اتوماسیون سازمانی، چنین مدلی می‌تواند پیش‌پردازش داده‌های خام را پیش از ورود به گردش‌کارهای تصمیم‌گیری یا مدل‌های زبانی ساده‌تر کند.
نسخه فعلی در محاسبات یک یا دو مرحله‌ای عملکرد مناسب‌تری دارد، اما برای زنجیره‌های طولانی محاسبات، تجمیع جدول‌های بزرگ و پیش‌بینی‌های حساس و بلندمدت طراحی نشده است. همچنین کیفیت برآورد به وجود شواهد کافی در ورودی وابسته است و باید از امتیاز اطمینان و بازه‌های احتمالی برای تعیین مرز اتوماسیون استفاده شود.
Clairic اکنون با شناسه @cf/cloudflare/clairic در Workers AI در دسترس است و انتشار وزن‌های باز آن نیز برای آینده برنامه‌ریزی شده است. در مجموع، این مدل گزینه‌ای تخصصی برای تبدیل داده‌های نامنظم به خروجی ساخت‌یافته است، نه جایگزینی عمومی برای مدل‌های زبانی و سامانه‌های تخصصی پیش‌بینی.
