GLiNER 2.5 Decide Klassifikation

Fügen Sie ein schema.classifications-Array auf oberster Ebene hinzu, um eine oder mehrere Klassifizierungsaufgaben zu definieren. Das Klassifizierungsergebnis wird als JSON in choices[0].message.content serialisiert.

Das Ergebnis parsen

import json

body = response.json()
result = json.loads(body["choices"][0]["message"]["content"])

Lesen Sie Klassifizierungsaufgaben nicht direkt aus choices[0]; parsen Sie zuerst message.content.

Klassifikationsfelder

Jede Aufgabe akzeptiert genau diese Schlüssel:

string

erforderlich

Ein stabiler Name für die Klassifizierungsaufgabe. Derselbe Name erscheint im geparsten Ergebnis.

string[]

erforderlich

Mindestens ein zulässiges Label. Decide akzeptiert keine Objekte mit Label-Beschreibungen.

boolean

Standard:"false"

Bei false wird das einzelne Label mit dem höchsten Wert zurückgegeben. Bei true wird jedes Label zurückgegeben, das cls_threshold erreicht.

number

Ein Inferenzgrenzwert von 0 bis 1 für Multi-Label-Aufgaben. Er beeinflusst weder das Training noch die Single-Label-Auswahl.

integer

Wird aus Kompatibilitätsgründen akzeptiert, hat aber derzeit keine Wirkung auf GLiNER 2.5 Decide.

Single-Label-Klassifizierung

{
  "classifications": [
    {
      "task": "intent",
      "labels": ["refund_request", "cancel_subscription", "login_problem"],
      "multi_label": false
    }
  ]
}

Single-Label-Aufgaben geben immer das Label mit dem höchsten Wert zurück. Labels sind ungeordnet; wenn Sie low, medium und high in dieser Reihenfolge aufführen, entsteht dadurch keine ordinale Skala. Das geparste Ergebnis enthält für die Aufgabe ein Objekt:

{
  "intent": {
    "label": "refund_request",
    "confidence": 0.999862551689148
  }
}

label ist einer der Strings aus dem labels-Array der Aufgabe. confidence ist die Konfidenz des Modells für das ausgewählte Label und liegt zwischen 0 und 1.

Multi-Label-Klassifizierung

{
  "classifications": [
    {
      "task": "tags",
      "labels": ["technical_issue", "login_problem", "urgent", "human_handoff"],
      "multi_label": true,
      "cls_threshold": 0.2
    }
  ]
}

Multi-Label-Aufgaben geben im geparsten Ergebnis ein Array mit jedem ausgewählten Label und seiner Konfidenz zurück:

{
  "tags": [
    {"label": "technical_issue", "confidence": 0.4421546757221222},
    {"label": "login_problem", "confidence": 0.21206879615783691},
    {"label": "urgent", "confidence": 0.4834045469760895},
    {"label": "human_handoff", "confidence": 0.8267117738723755}
  ]
}

Nur Labels, die cls_threshold der Aufgabe erreichen, werden ausgewählt. Erhöhen Sie den Schwellenwert, um Precision zu begünstigen; senken Sie ihn, um Recall zu begünstigen. Ein strengerer Schwellenwert kann zu einem kürzeren oder leeren Array führen.

Mehrere Aufgaben in einer Anfrage ausführen

{
  "classifications": [
    {
      "task": "intent",
      "labels": ["refund_request", "cancel_subscription", "login_problem"],
      "multi_label": false
    },
    {
      "task": "urgency",
      "labels": ["low", "normal", "high", "critical"],
      "multi_label": false
    }
  ]
}

Aufgaben werden in einem Forward-Pass bewertet, bleiben jedoch unabhängig. Klassische Klassifizierung erzwingt keine Implikationen, Ausschlüsse, Kardinalitätsregeln oder ordinalen Beziehungen zwischen Aufgaben. Das geparste Objekt verwendet die task-Namen als Schlüssel und behält für jede Aufgabe deren Single-Label- oder Multi-Label-Form bei:

{
  "intent": {
    "label": "refund_request",
    "confidence": 0.99
  },
  "urgency": {
    "label": "normal",
    "confidence": 0.82
  }
}

Standardschema

Wenn Sie sowohl schema als auch response_format weglassen, verwendet Decide seine Katalog-Standardaufgabe intent mit book, cancel, change und status. Die Antwort meldet x_fastino.default_schema_applied: true, wenn dieser Standard verwendet wird.

Häufige Validierungsfehler

Ungültige Eingabe	Stattdessen verwenden
`"labels": {"book": "user wants to book"}`	`"labels": ["book", "cancel"]`
Ein Schlüssel `label_descriptions`	Entfernen und Labels als Strings beibehalten
Ein Schlüssel `description` für eine Aufgabe	Entfernen
`"threshold": 0.5` in einer Aufgabe	`"cls_threshold": 0.5` mit `"multi_label": true`
`"labels": []`	Mindestens ein Label angeben

Evaluierung & Training

Wählen Sie Schwellenwerte, bewerten Sie die Qualität und stimmen Sie das Modell für Ihre Domäne fein ab.

API-Referenz

Sehen Sie sich das vollständige Chat-Completions-Anfrage- und Antwortschema an.

Erste Schritte

Entscheidungsmodelle

Inferenz-API

Trainings-API

Fehlerbehebung

SDK-Integrationen

Modelle

Konto

GLiNER 2.5 Decide Klassifikation

Das Ergebnis parsen

Klassifikationsfelder

Single-Label-Klassifizierung

Multi-Label-Klassifizierung

Mehrere Aufgaben in einer Anfrage ausführen

Standardschema

Häufige Validierungsfehler

Evaluierung & Training

API-Referenz

​Das Ergebnis parsen

​Klassifikationsfelder

​Single-Label-Klassifizierung

​Multi-Label-Klassifizierung

​Mehrere Aufgaben in einer Anfrage ausführen

​Standardschema

​Häufige Validierungsfehler

Evaluierung & Training

API-Referenz

Das Ergebnis parsen

Klassifikationsfelder

Single-Label-Klassifizierung

Multi-Label-Klassifizierung

Mehrere Aufgaben in einer Anfrage ausführen

Standardschema

Häufige Validierungsfehler