Domux (Domux-Gemma-4-E2B-it) 是基于 Gemma-4-E2B-it 微调的语言模型。它将自然语言智能家居指令转换为结构化的竖线分隔槽位。训练结合了监督微调（SFT）与基于组相对策略优化（GRPO）的强化学习和自定义奖励函数。

📦 代码、训练脚本、评测套件、完整技术报告与数据集 均在 GitHub 仓库：github.com/iflytek/domux。

✨ 核心特性

• 快速响应 — 针对边缘设备和服务器的低延迟推理进行优化。
• 结构化槽位输出 — 将自由格式指令解析为固定的 7 字段竖线分隔格式。
• 高准确率 — 98.37% 结果准确率，100% 格式合规性，超越体量大得多的模型。
• 轻量级基座 — 构建于紧凑的 Gemma-4-E2B-it 之上，适合设备端和边缘部署。
• 多动作支持 — 处理映射到多个槽位行的复合指令。
• 跨设备泛化 — 处理每个类别下的任意设备名，而非固定白名单。

🎬 输出格式

模型输出包含 7 个字段的竖线分隔槽位。使用 * 表示未指定或无关字段。

action|device|attribute|value|unit|room|floor

基础示例

复杂多属性指令

输入：

Turn on the Master Light in the Master Bedroom on the Second Floor,
set brightness to 80%, color temperature to 4000K, color to Blue, and mode to Reading.
（打开二楼主卧的主灯，将亮度设为 80%，色温设为 4000K，颜色设为蓝色，模式设为阅读）

输出：

turnOn|Light|*|*|*|Master Bedroom|Second Floor
set|Light|brightness|80|Percent|Master Bedroom|Second Floor
set|Light|colorTemperature|4000|Kelvin|Master Bedroom|Second Floor
set|Light|color|Blue|*|Master Bedroom|Second Floor
set|Light|mode|Reading|*|Master Bedroom|Second Floor

完整规范见：输出格式文档。

🏠 支持的控制能力

Domux 不依赖固定的设备白名单 —— 模型通过语义理解处理各类设备名称。

控制动作：turnOn、turnOff、set、adjustUp、adjustDown、activate、deactivate、pause。

空间定位：房间（Living Room、Bedroom、Kitchen、Majlis、Prayer Room 等）与楼层（Ground Floor、Upstairs、Downstairs 等），支持编号变体。

📊 Benchmark

在涵盖 4 个维度（单意图、多意图、属性省略、非标准命名）的 4,057 个样本的综合测试集上进行评估，与 11 个主流模型进行基准对比，包括 Qwen3.5 系列（2B-27B）、Gemma 4 系列以及领先的闭源 API（DeepSeek-V4、Claude Haiku 4.5、Gemini 3.5 Flash）。

结果准确率达到 98.37%，格式合规性 100%。

📄 完整技术报告与 Benchmark 图表：GitHub 仓库。

测试集与评测脚本已在 eval/ 开源，方便你复现结果或评估自己的模型。

🚀 快速开始

硬件

模型以 BF16 精度运行，单卡部署需要 20GB 及以上显存。

下载

# 方式 1：ModelScope（推荐）
pip install modelscope
python -c "from modelscope import snapshot_download; snapshot_download('iflytek/domux', cache_dir='./models')"

# 方式 2：Hugging Face
git lfs install
git clone https://huggingface.co/iFlytekOpenSource/Domux

使用 vLLM 推理

pip install "vllm==0.22.0"

from vllm import LLM, SamplingParams

# 指向你下载的模型目录
llm = LLM(model="models/iflytek/domux", dtype="bfloat16")
sampling = SamplingParams(temperature=0.0, max_tokens=256)

prompt = "Turn on the Master Light in the Master Bedroom on the Second Floor, set brightness to 80%, color temperature to 4000K, color to Blue, and mode to Reading."
output = llm.chat([{"role": "user", "content": prompt}], sampling)
print(output[0].outputs[0].text)

# 输出：
# turnOn|Light|*|*|*|Master Bedroom|Second Floor
# set|Light|brightness|80|Percent|Master Bedroom|Second Floor
# set|Light|colorTemperature|4000|Kelvin|Master Bedroom|Second Floor
# set|Light|color|Blue|*|Master Bedroom|Second Floor
# set|Light|mode|Reading|*|Master Bedroom|Second Floor

部署为 OpenAI 兼容 API

# vLLM
python -m vllm.entrypoints.openai.api_server \
  --model models/iflytek/domux \
  --served-model-name domux \
  --host 0.0.0.0 --port 8000 \
  --dtype bfloat16 --max-model-len 2048 --gpu-memory-utilization 0.9

# SGLang
pip install "sglang[all]==0.5.12"
python -m sglang.launch_server \
  --model-path models/iflytek/domux \
  --host 0.0.0.0 --port 8000 \
  --dtype bfloat16 --context-length 2048

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")
response = client.chat.completions.create(
    model="domux",
    messages=[{"role": "user", "content": "Turn on the bedroom light and set brightness to 60%"}],
    temperature=0.0,
)
print(response.choices[0].message.content)

📄 许可证

模型权重是 Google Gemma 的衍生产物，其使用受 Gemma Terms of Use 和 Gemma Prohibited Use Policy 约束。"Gemma" 是 Google LLC 的商标。

仓库内随附的源代码（训练脚本、奖励插件、评测工具）以 Apache-2.0 协议授权，详见 GitHub 仓库。

🙏 致谢

• 基座模型：Gemma
• 训练框架：ModelScope-Swift
• 实验跟踪：SwanLab

引用

@misc{domux2026,
  title  = {Domux: A Lightweight Low-Latency Command Understanding Model for Smart-Home Control},
  author = {iFLYTEK CO., LTD.},
  year   = {2026},
  url    = {https://github.com/iflytek/domux}
}