كلاودفلر تطلق نماذج قرار كلييف ومنصة ضبط بالتعلم المعزز
أعلنت شركة كلافلاير عن إطلاق نموذجي الذكاء الاصطناعي المفتوحين المصدر المعرفين بـ Clef وClef-flash، المخصصين لاتخاذ القرارات الهيكلية السريعة داخل سير العمل الآلي. يأتي هذا الإصدار متزامناً مع إطلاق منصة جديدة للضبط الدقيق باستخدام التعلم المعزز، لتمكين المطورين من تخصيص النماذج لبياناتهم التشغيلية الخاصة. تعمل هذه النماذج بآلية مختلفة عن نماذج اللغات الكبيرة التقليدية، إذ تنتج مخرجات احتمالية محددة وبنية بيانات مغلقة، مما يضمن الحتمية ويقلل تكاليف التشغيل، ويُمكّن الوكلاء البرمجية من التصنيف واتخاذ الإجراءات بدقة فائقة دون تدخل بشري مستمر. يعتمد النموذج الأساسي على بنية Qwen مع دمج مشفر مرئي لمعالجة النصوص والصور، ويدعم نافذة سياق تبلغ 64 ألف رمز. تعتمد آلية الاستنتاج على مسار غير متسلسل، حيث تستخرج الخيارات الصالحة من التمثيلات الداخلية مباشرة دون توليد نصوص وسيطة، مما يخفض زمن المعالجة بشكل كبير. اعتمدت الشركة على خسارة معايرة الاحتمالات وخسارة المسافة لتحسين الدقة، بالإضافة إلى إطار عمل التعلم المعزز المخصص الذي يعزز التعميم ويمنع انحراف التوزيع. أظهرت المقاييس التجريبية تفوق Clef على نماذج القرار المنافسة، لا سيما في دقة التصنيف، وتقييم دقة أدوات الواجهات البرمجية، وسرعة الاستجابة. حقق النموذج السريع Clef-flash فارقاً ملحوظاً في زمن التأخير، حيث بلغ متوسط الاستجابة أقل من مئة مللي ثانية في معظم الاختبارات، متفوقاً على النماذج العامة من حيث الكفاءة. ساهم الاستخدام الداخلي في فرق الأمن السيبراني في إثبات قدرة النموذج على تصنيف النطاقات وتوجيه الطلبات بسرعة تفوق الضعف مقارنة بنماذج اللغات الكبيرة. تتكامل المنصة الجديدة مع بنية كلافلاير السحابية، متضمنة بوابة الذكاء الاصطناعي والحاويات المعزولة لتدريب النماذج وإعادة نشرها على شبكة Workers AI. توفر الشركة خيار الشراكة التقنية المباشرة عبر فريق المهندسين المتخصصين، قبل إطلاق واجهة الضبط الذاتي للعملاء. يتوافق النموذج برمجياً مع واجهة Jev API، مما يسهل عملية التبديل البرمجي، مع ضمانات خصوصية صريحة بعدم استخدام طلبات العملاء في التدريب. يمكن تحميل أوزان النماذج على Hugging Face وتشغيلها مباشرة عبر بنية الحافة، في خطوة استراتيجية تهدف إلى ترسيخ كلافلاير كمحور سحابي متكامل للوكلاء الآليين المستقلين.
