Classification GLiNER 2.5 Decide

Ajoutez un tableau schema.classifications au premier niveau pour définir une ou plusieurs tâches de classification. Chaque tâche accepte exactement les clés suivantes :

string

requis

Un nom stable pour la tâche de classification. Le même nom apparaît dans le résultat analysé.

string[]

requis

Au moins une étiquette est requise. Decide n’accepte pas les objets associant étiquettes et descriptions.

boolean

défaut:"false"

Lorsque la valeur est false, renvoie l’unique étiquette ayant le score le plus élevé. Lorsqu’elle est true, renvoie chaque étiquette qui atteint cls_threshold.

number

Un seuil d’inférence compris entre 0 et 1 pour les tâches multi-étiquettes. Il n’affecte pas l’entraînement et ne modifie pas la sélection mono-étiquette.

integer

Accepté à des fins de compatibilité, mais n’a actuellement aucun effet sur GLiNER 2.5 Decide.

Analyser le résultat

Le résultat de classification est sérialisé au format JSON dans choices[0].message.content. Analysez cette chaîne avant de lire les tâches :

import json

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

Ne lisez pas les tâches de classification directement dans choices[0].

Classification mono-étiquette

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

Les tâches mono-étiquette renvoient toujours l’étiquette ayant le score le plus élevé. Les étiquettes ne sont pas ordonnées : répertorier low, medium et high dans cet ordre ne crée pas d’échelle ordinale. Le nom task devient la clé du résultat analysé :

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

label est l’une des chaînes du tableau labels, et confidence est compris entre 0 et 1.

Classification multi-étiquettes

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

Les tâches multi-étiquettes renvoient un tableau contenant chaque étiquette sélectionnée et son niveau de confiance. Augmentez cls_threshold pour favoriser la précision ; diminuez-le pour favoriser le rappel.

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

Seules les étiquettes qui atteignent cls_threshold sont sélectionnées. Un seuil plus strict peut produire un tableau plus court ou vide.

Exécuter plusieurs tâches dans une requête

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

Les tâches sont évaluées en une seule passe avant, mais restent indépendantes. La classification classique n’impose pas d’implications, d’exclusions, de règles de cardinalité ni de relations ordinales entre les tâches. Le résultat analysé contient une clé par nom de tâche :

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

Schéma par défaut

Si vous omettez à la fois schema et response_format, Decide utilise sa tâche intent par défaut du catalogue avec book, cancel, change et status. La réponse indique x_fastino.default_schema_applied: true lorsque ce schéma par défaut est utilisé.

Erreurs de validation fréquentes

Entrée non valide	Utilisez plutôt
`"labels": {"book": "user wants to book"}`	`"labels": ["book", "cancel"]`
Une clé `label_descriptions`	Supprimez-la et conservez les étiquettes sous forme de chaînes
Une clé `description` sur une tâche	Supprimez-la
`"threshold": 0.5` dans une tâche	`"cls_threshold": 0.5` avec `"multi_label": true`
Liste d’étiquettes vide	Fournissez au moins une étiquette

Évaluation et entraînement

Évaluez la qualité, ajustez les seuils et adaptez le modèle à votre domaine.

Référence de l'API

Consultez l’enveloppe et le schéma de réponse complets de Chat Completions.

Démarrage

Modèles de décision

API d'inférence

API d'entraînement

Dépannage

Intégrations SDK

Modèles

Compte

Classification GLiNER 2.5 Decide

Analyser le résultat

Classification mono-étiquette

Classification multi-étiquettes

Exécuter plusieurs tâches dans une requête

Schéma par défaut

Erreurs de validation fréquentes

Évaluation et entraînement

Référence de l'API

​Analyser le résultat

​Classification mono-étiquette

​Classification multi-étiquettes

​Exécuter plusieurs tâches dans une requête

​Schéma par défaut

​Erreurs de validation fréquentes

Évaluation et entraînement

Référence de l'API

Analyser le résultat

Classification mono-étiquette

Classification multi-étiquettes

Exécuter plusieurs tâches dans une requête

Schéma par défaut

Erreurs de validation fréquentes