‏Clairic: مدل استخراج داده کلودفلر روی Workers AI

کلودفلر یه دسته جدید از مدل‌ها به اسم extraction model معرفی کرده و اولیش Clairic هست که با شناسه @cf/cloudflare/clairic روی Workers AI در دسترسه. به گفتهٔ تیم کلودفلر، قراره به‌زودی نسخه open-weights (یعنی وزن‌های مدل آزادانه قابل دانلود باشه) هم منتشر بشه. ایدهٔ اصلی اینه که خیلی از درخواست‌هایی که امروز به LLMها می‌فرستیم، یه شکل تکراری دارن: «مبلغ کل فاکتور چنده؟ کی تحویل داده شد؟ چند روز دیر شده؟»

این مدل از ایدهٔ System One الهام گرفته؛ یعنی مدلی که مثل فکر سریع و شهودی آدم، تو یه پاس جواب می‌ده و استدلال طولانی نمی‌کنه. قبلاً مدل‌هایی مثل Jev و Clef از این دسته بودن که کارشون تصمیم‌گیری بود: از یه لیست گزینه، یکی رو با احتمالش انتخاب می‌کردن. Clairic به‌جای گزینه، مقدار برمی‌گردونه. نویسنده می‌گه این دو مدل فقط برای ورودی هزینه می‌گیرن و معمولاً زیر یه ثانیه جواب می‌دن، در حالی که یه LLM برای همین کار چند ثانیه وقت می‌خواد.

خروجی Clairic چهار جوره: مقدار استخراج‌شده که عین متن ورودیه و با offset کاراکترهاش برمی‌گرده، مقدار محاسبه‌شده مثل جمع دو عدد یا فاصلهٔ دو تاریخ، مقدار تخمینی که تو متن نیومده ولی شواهدش هست و با میانه و بازهٔ ۸۰ درصدی میاد، و پیش‌بینی برای مقدارهای آیندهٔ یه سری زمانی. چون توکن تولید نمی‌کنه، جواب همیشه از نوع درسته یا null، هرچند ممکنه اشتباه هم بکنه.

هر درخواست یه state داره (متن ورودی به‌علاوهٔ حداکثر چهار عکس) و یه مجموعه fields که برای هر کدوم نوع و توضیح می‌دی. نوع‌ها شامل text، number، date، duration، list، estimate و forecast هستن. مثال مقاله یه ایمیل پشتیبانیه:

const { answers } = await env.AI.run("@cf/cloudflare/clairic", {
  state: email,
  fields: {
    order_id:        { type: "text", instructions: "Order number" },
    amount_paid:     { type: "number", decimals: 2, unit: "USD", instructions: "Total paid including tax" },
    tracking_number: { type: "text" },
  },
});

تو این مثال، amount_paid اصلاً تو ایمیل نوشته نشده و مدل قیمت و مالیات رو جمع زده و 701.1 داده. tracking_number هم چون تو ایمیل نبوده، null برگشته به‌جای یه حدس قشنگ ولی غلط. هر جواب p_null (احتمال اینکه مقدار تو ورودی نباشه) و confidence داره، پس می‌تونی بفهمی کدوم جواب‌ها یه نگاه دوباره لازم دارن. تعداد فیلدها هم محدود نیست و خواستن سی فیلد تقریباً همون هزینهٔ سه فیلد رو داره.

نکات کلیدی:

• Clairic با شناسه @cf/cloudflare/clairic روی Workers AI به‌صورت پیش‌نمایش در دسترسه و نسخه open-weights هم در راهه.
• فقط توکن ورودی حساب می‌شه و همهٔ فیلدها تو یه forward pass جواب داده می‌شن.
• ورودی می‌تونه متن به‌علاوهٔ حداکثر چهار عکس باشه.
• هر جواب p_null و confidence داره و فیلدهای نوع estimate میانه و بازهٔ p10 تا p90 برمی‌گردونن.
• مقدار پیدانشده null برمی‌گرده، نه یه حدس ساختگی.