跳到主要内容
Documentation

什么是 MoM 模型族？

MoM（Mixture of Models）模型族是一组精选的、轻量且任务专精的模型，用于智能路由、内容安全与语义理解。它们为语义路由器的核心能力提供算力，实现快速、准确且注重隐私的 AI 操作。

Docs indexEdit page
版本：最新版

什么是 MoM 模型族？

MoM（Mixture of Models）模型族是一组精选的、轻量且任务专精的模型，用于智能路由、内容安全与语义理解。它们为语义路由器的核心能力提供算力，实现快速、准确且注重隐私的 AI 操作。

概览​

MoM 家族包含为路由流水线中特定任务打造的模型：

  • 分类模型：领域检测、PII 识别、越狱检测
  • 嵌入模型：语义相似度、缓存、检索
  • 安全模型：幻觉检测、内容审核
  • 反馈模型：用户意图理解、对话分析

所有 MoM 模型共同特点：

  • 轻量：约 3300 万–6 亿参数，推理快
  • 专精：针对具体路由任务微调
  • 高效：多数采用 LoRA 适配器，显存占用小
  • 开源：在 HuggingFace 上公开，便于审计与定制

模型类别​

1. 分类模型​

领域/意图分类器​

  • Model ID：models/mmbert32k-intent-classifier-merged
  • HuggingFace：llm-semantic-router/mmbert32k-intent-classifier-merged
  • 用途：将用户查询归入 14 个 MMLU 类别（数学、科学、历史等）
  • 架构：mmBERT-32K 合并分类器（307M）
  • 场景：按领域路由到专用模型或专家

PII 检测器​

  • Model ID：models/mmbert32k-pii-detector-merged
  • HuggingFace：llm-semantic-router/mmbert32k-pii-detector-merged
  • 用途：检测 17 种 PII 实体类型，对应 35 个 BIO 标签
  • 架构：mmBERT-32K 合并 token 分类器（307M）
  • 场景：隐私保护、合规、脱敏

越狱检测器​

  • Model ID：models/mmbert32k-jailbreak-detector-merged
  • HuggingFace：llm-semantic-router/mmbert32k-jailbreak-detector-merged
  • 用途：检测提示注入与越狱企图
  • 架构：mmBERT-32K 合并分类器（307M）
  • 场景：内容安全、提示安全

反馈检测器​

  • Model ID：models/mmbert32k-feedback-detector-merged
  • HuggingFace：llm-semantic-router/mmbert32k-feedback-detector-merged
  • 用途：将用户反馈分为 4 类（满意、需澄清、答案错误、希望换种说法）
  • 架构：mmBERT-32K 合并分类器（307M）
  • 场景：自适应路由、对话改进

2. 嵌入模型​

Embedding Pro（高质量）​

  • Model ID：models/mom-embedding-pro
  • HuggingFace：Qwen/Qwen3-Embedding-0.6B
  • 用途：高质量嵌入，支持 32K 上下文
  • 架构：Qwen3（6 亿参数）
  • 嵌入维度：1024
  • 场景：长上下文语义搜索、高精度缓存

Embedding Flash（均衡）​

  • Model ID：models/mom-embedding-flash
  • HuggingFace：google/embeddinggemma-300m
  • 用途：快速嵌入，支持 Matryoshka
  • 架构：Gemma（3 亿参数）
  • 嵌入维度：768（支持 512/256/128 等 Matryoshka）
  • 场景：速度/质量平衡、多语言

Embedding Ultra（默认）​

  • Model ID：models/mom-embedding-ultra
  • HuggingFace：llm-semantic-router/mmbert-embed-32k-2d-matryoshka
  • 用途：长上下文多语言语义相似度，支持 2D Matryoshka
  • 架构：mmBERT 2D Matryoshka（307M）
  • 嵌入维度：768（可通过 Matryoshka 降维）
  • 场景：默认语义缓存、检索与工具相似度

3. 幻觉检测模型​

Halugate Sentinel​

  • Model ID：models/mom-halugate-sentinel
  • HuggingFace：LLM-Semantic-Router/halugate-sentinel
  • 用途：幻觉筛查第一阶段
  • 架构：BERT-base（110M）
  • 场景：快速幻觉检测、预过滤

Halugate Detector​

  • Model ID：models/mom-halugate-detector
  • HuggingFace：KRLabsOrg/lettucedect-base-modernbert-en-v1
  • 用途：更精确的幻觉核验
  • 架构：ModernBERT-base（149M）
  • 上下文长度：8192 tokens
  • 场景：事实准确性、 grounding 检查

Halugate Explainer​

  • Model ID：models/mom-halugate-explainer
  • HuggingFace：tasksource/ModernBERT-base-nli
  • 用途：通过 NLI 解释幻觉推理
  • 架构：ModernBERT-base（149M）
  • 类别：3（蕴含/中性/矛盾）
  • 场景：可解释 AI、幻觉分析

选型指南​

按场景​

场景推荐模型原因
领域路由mmbert32k-intent-classifier-merged14 个 MMLU 类别，32K 上下文
隐私保护mmbert32k-pii-detector-merged17 种实体、35 BIO 标签，32K
内容安全mmbert32k-jailbreak-detector-merged合并 mmBERT 的提示注入检测
语义缓存mom-embedding-ultra默认 32K 多语言嵌入
长上下文检索mom-embedding-pro32K context，1024 维
幻觉检查mom-halugate-detectorModernBERT，8K 上下文
用户反馈mmbert32k-feedback-detector-merged4 类反馈，合并 mmBERT

按性能​

需求层级示例
极快（<10ms）Lightmom-embedding-flash、mmbert32k-jailbreak-detector-merged
均衡（10–50ms）Defaultmom-embedding-ultra、mmbert32k-intent-classifier-merged
高质量（50–200ms）Promom-embedding-pro、mom-halugate-detector

配置​

在路由器中使用 MoM 模型​

通过规范的 global.model_catalog 块配置 MoM 模型，模块级设置位于 global.model_catalog.modules：

global:
  model_catalog:
    system:
      domain_classifier: "models/mmbert32k-intent-classifier-merged"
      pii_classifier: "models/mmbert32k-pii-detector-merged"
      prompt_guard: "models/mmbert32k-jailbreak-detector-merged"
    modules:
      classifier:
        domain:
          model_ref: "domain_classifier"
          threshold: 0.6
          use_cpu: true
        pii:
          model_ref: "pii_classifier"
          threshold: 0.9
          use_cpu: true
      prompt_guard:
        model_ref: "prompt_guard"
        threshold: 0.7
        use_cpu: true

自定义系统绑定​

在 config.yaml 中覆盖内置系统模型绑定：

global:
  model_catalog:
    system:
      domain_classifier: "models/your-domain-classifier"
      pii_classifier: "models/your-pii-classifier"
      prompt_guard: "models/your-prompt-guard"

模型架构​

基于 LoRA 的模型​

许多 MoM 模型使用 LoRA（低秩适配）以提升效率：

  • 基座：BERT-base-uncased（约 1.1 亿参数）
  • LoRA 适配器：每任务 <100 万参数
  • 显存：约 440MB 基座 + 每适配器约 4MB
  • 推理速度：与基座相当（CPU 上约 10–20ms）

ModernBERT 模型​

较新模型采用 ModernBERT 以提升表现：

  • 架构：ModernBERT-base（约 1.49 亿参数）
  • 上下文：8192 tokens（对比 BERT 的 512）
  • 效果：长上下文任务上更准确
  • 场景：幻觉检测、反馈分类

下一步​

  • 信号驱动决策 — MoM 模型如何驱动路由决策
  • Domain — 使用 mmbert32k-intent-classifier-merged 做路由
  • PII — 配置 mmbert32k-pii-detector-merged
  • RAG — 将 MoM 嵌入用于路由侧检索