Cloudflare 开源了一组模型，叫 Clef，同时发了一个新的 RL 微调平台。先看它用的词：不叫聊天模型，不叫语言模型，叫决策模型（decision models）。

Cloudflare 开源了一组模型，叫 Clef，同时发了一个新的 RL 微调平台。先看它用的词：不叫聊天模型，不叫语言模型，叫决策模型（decision models）。

一个模型最终吐出什么，决定了它为谁干活。聊天模型给你一段话，信不信、怎么用、落成什么动作，都还得你自己接。决策模型这个名字把输出压到"决定"这一层，你要的是一个判断。再配一个 RL 微调平台，这个组合就对得上：强化学习靠的是反馈信号来调一个会做选择的系统。所以这不是单放一个权重文件，是把一个方向摆出来——模型，加上调它的办法，一起发。

HN 上今天 450 分、165 条讨论，热度在那。

能确认的到这儿为止。素材里只有发布标题和一个链接，模型多大、一次决策长什么样、RL 平台怎么把你自己的反馈接进去，标题都没说。想讲得更具体，就得翻正文，或者真下来跑一遍，现在多说都是替它脑补。

Cloudflare 的发布原文，决策模型和 RL 微调平台都在这里：blog.cloudflare.com/clef-decision-models/