Cloudflare تطلق Clairic: نموذج لاستخراج البيانات دون رموز في المخرجات

طرحت Cloudflare في نسخة معاينة نموذج Clairic، وهو أول نموذج من فئة جديدة هي System One extraction. يتوفر النموذج على Workers AI باسم @cf/cloudflare/clairic، وقد وُعد بإتاحة الأوزان المفتوحة في وقت قريب. يستخرج Clairic القيم من مدخلات غير منظمة، ويحسبها ويقدّرها ويتنبأ بها. وينجز ذلك في تمريرة متوازية واحدة، دون استدلال ودون رموز في المخرجات. تستغرق الإجابة عادةً أقل من ثانية، في حين يستغرق نموذج LLM الذي يستدل على الخطوة نفسها عدة ثوانٍ. ولا يُدفع إلا مقابل الإدخال.

النوع الثالث من النماذج في عائلة System One

قدّمت TypeSafe مفهوم System One (النموذج السريع والدقيق بمصطلحات كانيمان، في مقابل System Two البطيء مثل LLM) قبل شهر، مع نموذجها Jev. ينتمي Jev وClef إلى نماذج القرار: يُعطى كل منهما حالةً وقائمةً بالأسئلة، ويعيد احتمالات للخيارات المحددة سلفًا. لاحظت Cloudflare ثغرة هنا. فنسبة كبيرة جدًا من الاستدعاءات الموجهة إلى نماذج LLM الرائدة (frontier) بمخرجات منظمة تدور حول الأسئلة نفسها: ما المبلغ في الفاتورة، ومتى سُلّمت الشحنة، وكم يومًا تأخرت، وكم ستبلغ تكلفة الإصلاح، وكم ستبلغ حركة المرور خلال اليوم القادم. ولا يمكن وضع قائمة بإجابات هذه الأسئلة مسبقًا، ولذلك لا يصلح نموذج القرار لها.

وتبدو قسمة العمل على النحو التالي. يحوّل Clairic المدخلات الخام إلى قيم محددة الأنواع، ويحوّل Clef وJev القيم إلى قرارات، ويحوّل LLM القرارات إلى كلمات. فضاء المخرجات في Clairic متصل لكنه مقيّد بمخططكم، وكل إجابة إما قيمة من النوع المعلن وإما null.

كيف يبدو الطلب وماذا يعود

يتألف الطلب من state (نص مع ما يصل إلى أربع صور) وخريطة من الحقول محددة الأنواع. يُحدَّد لكل حقل اسم ونوع وتعليمات اختيارية بلغة بسيطة. وإذا لم تتسع الحقول مع المدخلات في تمريرة واحدة، يقسّمها الخادم بنفسه إلى تمريرات متوازية يرى كل منها المدخلات كاملة، ثم يدمج الإجابات. لهذا تكلف ثلاثون حقلًا تقريبًا ما تكلفه ثلاثة.

الأنواع المدعومة:

• text: مقطع من المدخلات مع إزاحات الأحرف (span) • number: رقم مقروء أو محسوب، مع مراعاة integer وdecimals • date وtime وdatetime: تواريخ تقويمية وأوقات صالحة بصيغة ISO • duration: مدة بالوحدة المختارة • list: قائمة من النصوص أو الأرقام أو التواريخ بترتيب ظهورها في المدخلات • estimate: توزيع ضمن [min, max] الخاصة بكم على شبكة محددة، خطية أو لوغاريتمية • forecast: تقدير واحد لكل خطوة مستقبلية في السلسلة، ولكل منها مجال ثقة 80% خاص بها

تصل كل إجابة عددية مفردة مع p_null (احتمال أن القيمة غير موجودة في المدخلات) وconfidence. وللتقديرات وسيط ومجال p10–p90، ويمكن عند الطلب الحصول على جميع المئينات الـ99.

لنأخذ رسالة من عميلة: الطلب A-88412 سُلّم في 28 سبتمبر، ودُفع $649.00 زائد $52.10 ضريبة، وكُتبت الرسالة في 9 أكتوبر. يجمع Clairic السعر والضريبة بنفسه ويخرج بالناتج 701.10، ويحسب عدد الأيام منذ التسليم فيجده 11. أما الأضرار (cracked screen وdented corner) فتعود على هيئة spans دقيقة يمكن تمييزها في النص الأصلي. لا يوجد رقم تتبع في الرسالة، لذلك يعيد الحقل null مع p_null = 1، بينما يُظهر guess ($52.10) ما كان النموذج سيختاره لو لم يكن مسموحًا له بإجابة فارغة. والثقة فيه 0,416 فقط.

وتعمل الآلية نفسها على صورة إيصال ملتقطة بزاوية غير مريحة. استخرج النموذج رقم الطلب 77245، ووقت الشراء 2026-07-01T13:34:00، وبندين بسعر 7.99 لكل منهما، والمجموع الفرعي 15.98، والإكرامية 2.39، وضريبة صفرية. وأعاد الخصم بأمانة على أنه null مع p_null نحو 0,9994. وكانت الثقة في رقم الطلب والوقت (0,78 و0,83) أقل منها في المبلغ (0,99999)، ويُقترح استخدام هذا الفارق تحديدًا لتوجيه الحالات إلى المراجعة اليدوية.

أين يغيّر هذا اقتصاديات خطوط المعالجة

يتراكم على خط الاستخراج المعتاد المبني على LLM عدد من الطبقات: التحليل، والتحقق من المخطط، وإعادة المحاولات، والفحص العيّني. ويتعين الدفع مقابل الاستدلال ورموز المخرجات لكل حقل في كل مستند. والأخطاء هنا خادعة. فقد يكون JSON غير صالح، وقد يتشوه رقم أثناء التوليد، ولا يرتبط المقطع المستخرج بالمصدر الأصلي. أما Clairic فلا يولّد نصًا، ولذلك لا توجد أرقام مشوّهة. وقد يخطئ، لكن خطأه سيكون قيمة من النوع الصحيح مع confidence منخفضة أو مجال واسع، لا سلسلة نصية معطوبة.

ومع التقديرات تصبح الفائدة أوضح. يعطي LLM رقمًا واحدًا، ولا يمكن من خلاله التمييز بين $180 الواثق منها وغير الواثق. وسلال نموذج القرار فجّة، وكل سلة تضيف رموز إدخال وتزيد الالتباس. والمجال الضيق في Clairic يعني الثقة، أما المجال الواسع فيعني أن القيمة تستحق إرسالها إلى فحص ثانٍ.

عمليًا يشمل ذلك تحليل الفواتير والإيصالات وطلبات الدعم، وتقدير تكلفة الإصلاح أو السعر بالاستناد إلى مبيعات مماثلة، والتنبؤ بالحِمل خلال الساعات الـ24 القادمة. وفي كل هذه المهام يمكن تحديد عتبة الأتمتة برقم، كأن تُقبل القيم التي تتجاوز confidence فيها 0,95، وتُرسل البقية إلى إنسان أو إلى LLM. لا يزال Clairic في مرحلة المعاينة، لكن الأوزان المفتوحة ستتيح اختباره على مستنداتكم الخاصة، وربما استضافته لديكم.