Czym są modele ekstrakcji danych typu System One
Pojęcie modeli System One zakłada szybkie i precyzyjne działanie w przeciwieństwie do modeli System Two przeznaczonych do głębokiego rozumowania. Clairic jest pierwszą w swojej klasie jednostką zajmującą się ekstrakcją. W odróżnieniu od modeli decyzyjnych potrafi bezpośrednio wyciągać wartości ze źródła, wyliczać je lub prognozować przyszłe trendy. Przetwarzanie odbywa się w jednym przebiegu równoległym, bez generowania tokenów tekstowych. Zamiast otwartoformatowych odpowiedzi system zwraca silnie otipowane dane, co całkowicie eliminuje problem halucynacji w dotychczasowym rozumieniu.
Rodzaje zwracanych danych i typowanie
Model obsługuje kilka formatów danych wyjściowych. Wśród nich znajdują się wartości wyciągnięte bezpośrednio z tekstu wraz z pozycjami znaków i oceną pewności. Narzędzie potrafi także wyliczać liczby, daty, czasy oraz czasy trwania zgodnie z regułami danego typu. Oprócz tego potrafi szacować wartości na podstawie dowodów zawartych w tekście oraz tworzyć prognozy szeregów czasowych. Każda odpowiedź zawiera wskaźnik prawdopodobieństwa braku wartości oraz stopień pewności.
Przykłady zastosowania i wydajność modelu
Podczas przetwarzania zgłoszeń wsparcia model potrafi automatycznie zsumować podaną kwotę i podatek, nawet jeśli ostateczna suma nie została wprost napisana w wiadomości. W przypadku wycen nieruchomości Clairic analizuje dane historyczne i podaje przedział cenowy z uwzględnieniem przedziału ufności. Przy prognozowaniu ruchu na lotniskach narzędzie przewiduje wartości dzienne na podstawie przekazanej historii, wychwytując tygodniowe cykle ruchu pasażerskiego.
Współpraca z modelami decyzyjnymi i językowymi
Połączenie Clairic, modelu decyzyjnego oraz tradycyjnego modelu językowego pozwala na budowanie wydajniejszych potoków przetwarzania danych. Model ekstrakcji zamienia surowy tekst na ustrukturyzowane wartości, model decyzyjny podejmuje decyzję na podstawie reguł biznesowych, a model językowy generuje ostateczną odpowiedź do klienta. Taka architektura skraca czas wykonywania zadań, obniża zużycie tokenów i redukuje koszty operacyjne w porównaniu do powierzania wszystkich zadań samemu modelowi językowemu.
Ograniczenia wersji zapowiedziowej i dalsze plany
Wczesna wersja udostępniona na platformie Workers AI radzi sobie z prostymi operacjami arytmetycznymi, ale bardziej skomplikowane łańcuchy obliczeń wymagają użycia kodu zewnętrznego. Szacowanie wartości opiera się na dostarczonych dowodach, a prognozowanie ma charakter podstawowy i nie zastępuje dedykowanych modeli szeregów czasowych. Cloudflare planuje rozwijać możliwości modelu oraz udostępnić jego wagi w najbliższej przyszłości.
