AIが確率で答える新モデル登場

Cloudflareは、Workers AIチームが初めてトレーニングしたモデルであるClefとClef-flashをリリースしました。これらはチャットボットではなく、決定モデルです。それぞれが入力状態と型付き質問のスキーマを読み込み、自由形式のテキストなしで、許可されたすべての回答に対して確率を返します。両モデルはApache 2.0ライセンスの下でオープンウェイトであり、TypeSafe AIのJev APIと互換性があります。デプロイ可能か？はい、両モデルは現在Workers AI上で動作しており、ウェイトはHugging Faceで自己ホスティング用に公開されています。 決定モデルの機能 LLMは一度に1つのトークンを生成し、その出力は依然として解析が必要です。決定モデルは、入力に関する固定された質問セットにのみ答えます。Clefは3つの質問タイプをサポートしています。noul：はい/いいえの質問で、「はい」の確率を返します。choice：名前付きオプションから1つを選択し、オプションごとの確率と信頼度を返します。score：順序付けられた評価基準に対して評価し、確率で重み付けされたスコアを返します。Workers AIでは、1つのリクエストで最大64の質問と最大4つの画像を処理できます。TypeSafe AIは、2026年9月15日に最初の「System One」モデルであるJevをリリースしました。その後、Kev-9BやLayaのようなオープンな代替モデルが続きました。Clefは同じSystem One APIを使用しています。Jevから切り替えるには、エンドポイントとモデル名を変更するだけです。 Clefの仕組み ClefはQwen3.8-27Bから、Clef-flashはQwen3.5-9Bからポストトレーニングされています。両モデルともバックボーンのvision encoderを維持しています。推論は2段階で行われます。まずバックボーンが状態と質問に対して単一のprefill-onlyパスを実行します。次に、小さなtransformerであるjoint schema headが最終的な隠れ状態を読み取ります。これは各質問に証拠をルーティングし、フィールド間の相互注意を可能にし、すべてのオプションを共同でスコアリングします。質問ごとのsoftmaxがロジットを確率に変換します。トレーニングでは、両バックボーンを凍結し、rank-256 low-rank adaptersを使用してルーティングヘッドを共同で最適化しました。損失は、ラベル平滑化交差エントロピーとキャリブレーションのためのBrier lossを組み合わせたものです。二次目的であるReinforcement Learning for Calibrated Decisions (RLCD)は、隣接する順序選択肢に部分的なクレジットを与えます。Interactive Explain