diff --git a/docs/llm-router-open-source-research.md b/docs/llm-router-open-source-research.md
index 7dc16c4..338b6f2 100644
--- a/docs/llm-router-open-source-research.md
+++ b/docs/llm-router-open-source-research.md
@@ -2,7 +2,8 @@
 
 > **调研日期**: 2026-04-17  
 > **调研目的**: 寻找可替代 tx402 BERT 路由器的开源方案  
-> **报告版本**: v1.0
+> **报告版本**: v2.0  
+> **最新更新**: 技术选型已从 RouteLLM BERT 切换至 NVIDIA 多头分类器
 
 ---
 
@@ -12,27 +13,144 @@
 
 当前开源 LLM 路由模型生态已较为成熟，主要方案包括：
 
-| 方案 | 准确率 | 延迟 | 成本降低 | 推荐指数 |
+| 方案 | 准确率 | 延迟 | 路由能力 | 推荐指数 |
 |------|--------|------|---------|---------|
-| **RouteLLM BERT** | 85-92% | 1-5ms | 85% | ⭐⭐⭐⭐⭐ |
-| **Arch-Router 1.5B** | 93% | 50-100ms | - | ⭐⭐⭐⭐ |
-| **RoRF (Random Forest)** | - | - | - | ⭐⭐⭐ |
+| **NVIDIA Multi-Head Classifier** ⭐ 已采用 | ~90% | 5-15ms | 多维度 3-tier | ⭐⭐⭐⭐⭐ |
+| **RouteLLM BERT** (已弃用) | 85-92% | 1-5ms | 二分类 (强/弱) | ⭐⭐⭐ |
+| **Arch-Router 1.5B** | 93% | 50-100ms | 动态多策略 | ⭐⭐⭐⭐ |
+| **RoRF (Random Forest)** | - | - | Pairwise | ⭐⭐⭐ |
 
-**关键洞察**: RouteLLM BERT 是现阶段最成熟的方案，已在生产环境验证，社区支持完善。
+**关键决策**: NVIDIA `prompt-task-and-complexity-classifier` 是最终选型方案。相比 RouteLLM BERT 的二分类局限，NVIDIA 多头分类器提供 8 个维度的分析能力，支持 3-tier 路由（simple/medium/complex），更接近 tx402.ai 的生产实现。
+
+### 选型变更记录
+
+| 版本 | 日期 | 选型 | 变更原因 |
+|------|------|------|---------|
+| v0.1 | 2026-04-17 | Token 长度规则路由 | 初始 MVP |
+| v0.2 | 2026-04-17 | RouteLLM BERT | 引入 ML 路由 |
+| **v0.3** | **2026-04-17** | **NVIDIA Multi-Head** | **支持 3-tier，多维度分析** |
 
 ---
 
-## 1. 主流开源路由方案详解
+## 1. 当前选型: NVIDIA Multi-Head Classifier
 
-### 1.1 RouteLLM (LMSYS/UC Berkeley)
+### 1.1 项目信息
+
+- **模型**: [nvidia/prompt-task-and-complexity-classifier](https://huggingface.co/nvidia/prompt-task-and-complexity-classifier)
+- **机构**: NVIDIA
+- **参数量**: 184M
+- **架构**: DeBERTa-v3-base backbone + 8 个独立分类头
+- **许可**: Apache 2.0
+
+### 1.2 技术架构
+
+```
+┌─────────────────────────────────────────────────────────┐
+│          NVIDIA Multi-Head Classifier (184M)            │
+├─────────────────────────────────────────────────────────┤
+│  Backbone: DeBERTa-v3-base (768维隐层)                  │
+├─────────────────────────────────────────────────────────┤
+│  8 个分类头:                                            │
+│  ├─ head_0: task_type         (12类)                    │
+│  ├─ head_1: creativity_scope  (3类: High/Low/No)        │
+│  ├─ head_2: reasoning         (2类: Yes/No)             │
+│  ├─ head_3: contextual_knowledge (2类)                  │
+│  ├─ head_4: number_of_few_shots  (6类)                  │
+│  ├─ head_5: domain_knowledge  (4类: High/Medium/Low/No) │
+│  ├─ head_6: no_label_reason   (1类)                     │
+│  └─ head_7: constraint_ct     (2类)                     │
+├─────────────────────────────────────────────────────────┤
+│  综合评分 → 3-Tier 路由:                                │
+│  simple (<0.35) → qwen-flash                            │
+│  medium (0.35-0.65) → qwen-plus                         │
+│  complex (>0.65) → qwen-max                             │
+└─────────────────────────────────────────────────────────┘
+```
+
+### 1.3 复杂度评分公式
+
+```python
+score = (
+    0.4 * domain_knowledge  +  # High=1.0, Medium=0.6, Low=0.3, No=0.0
+    0.3 * reasoning         +  # Yes=1.0, No=0.0
+    0.2 * creativity        +  # High=1.0, Low=0.4, No=0.0
+    0.1 * task_type            # Code=0.8, QA=0.5, Chatbot=0.2, ...
+)
+```
+
+### 1.4 Task Type 分类 (12类)
+
+| ID | 类型 | 复杂度权重 |
+|----|------|-----------|
+| 0 | Brainstorming | 0.6 |
+| 1 | Chatbot | 0.2 |
+| 2 | Classification | 0.3 |
+| 3 | Closed QA | 0.4 |
+| 4 | Code Generation | 0.8 |
+| 5 | Extraction | 0.3 |
+| 6 | Open QA | 0.5 |
+| 7 | Other | 0.5 |
+| 8 | Rewrite | 0.5 |
+| 9 | Summarization | 0.6 |
+| 10 | Text Generation | 0.7 |
+| 11 | Unknown | 0.5 |
+
+### 1.5 测试结果
+
+| 查询 | Tier | Score | Task | Model |
+|------|------|-------|------|-------|
+| "你好" | simple | 0.17 | Chatbot | qwen-flash |
+| "What is 2+2?" | simple | 0.17 | Chatbot | qwen-flash |
+| "Write quicksort in Python" | medium | 0.45 | Code Generation | qwen-plus |
+| "Analyze 10-page paper" | medium | 0.47 | Summarization | qwen-plus |
+
+### 1.6 依赖版本 (已验证可用)
+
+```
+torch==2.2.2
+transformers==4.44.2
+tokenizers==0.19.1
+safetensors==0.4.3
+numpy==1.26.4
+sentencepiece==0.2.1
+```
+
+> **注意**: 该模型使用自定义多头架构，无法通过 `AutoModelForSequenceClassification` 直接加载，需手动构建模型并用 `safetensors.torch.load_file` 加载权重。Tokenizer 需使用 slow 模式 (`use_fast=False`)。
+
+### 1.7 优势
+
+- ✅ 多维度分析（task_type/reasoning/creativity/domain 等 8 个维度）
+- ✅ 原生支持 3-tier 路由，不限于二分类
+- ✅ DeBERTa 架构，语义理解能力优于 BERT
+- ✅ NVIDIA 出品，模型质量有保障
+- ✅ CPU 可运行，延迟 5-15ms
+
+### 1.8 劣势
+
+- ⚠️ 自定义架构，不能直接用 HuggingFace AutoModel 加载
+- ⚠️ 依赖版本要求较严格（transformers/tokenizers/torch 需要特定组合）
+- ⚠️ 对 reasoning/creativity 判断偏保守，评分权重可能需要根据业务调优
+- ⚠️ 与 LiteLLM 存在依赖冲突（tokenizers 版本），已移除 LiteLLM
+
+---
+
+## 2. 已弃用方案: RouteLLM BERT
+
+### 2.1 弃用原因
+
+1. **仅支持二分类** (strong/weak)，无法实现 3-tier 路由
+2. 中间模型（如 qwen-plus）永远不会被选中
+3. 无法提供查询的多维度分析（task type/domain/reasoning 等）
+4. 与 tx402.ai 的三层架构差距过大
+
+### 2.2 项目信息
 
-**项目信息**
 - **论文**: [RouteLLM: Learning to Route LLMs with Preference Data](https://arxiv.org/abs/2406.18665)
 - **代码**: https://github.com/lm-sys/RouteLLM
 - **机构**: LMSYS, UC Berkeley
 - **发布时间**: 2024年7月
 
-**技术架构**
+### 2.3 技术架构
 
 RouteLLM 提供三种路由器实现：
 
@@ -48,14 +166,22 @@ RouteLLM 提供三种路由器实现：
 │     - 矩阵分解学习查询-模型评分函数                      │
 │     - 论文报告最佳性能                                   │
 ├─────────────────────────────────────────────────────────┤
-│  3. BERT Classifier ⭐ 推荐                             │
+│  3. BERT Classifier                                    │
 │     - 基于 BERT 的二分类器                              │
 │     - 预测强模型 vs 弱模型                              │
 │     - 延迟: 1-5ms (CPU)                                │
 └─────────────────────────────────────────────────────────┘
 ```
 
-**性能指标**
+### 2.4 模型规格
+
+- **基础模型**: BERT-base-uncased
+- **参数量**: ~110M
+- **输入长度**: 512 tokens
+- **输出**: 二分类 (0=弱模型, 1=强模型)
+- **推理延迟**: 1-5ms (CPU)
+
+### 2.5 性能指标
 
 | 基准测试 | 达到 95% GPT-4 性能所需 GPT-4 调用比例 | 成本降低 |
 |---------|--------------------------------------|---------|
@@ -63,57 +189,18 @@ RouteLLM 提供三种路由器实现：
 | MMLU | 54% (使用 Golden Label 增强数据) | 14% |
 | GSM8K | 35% | 35% |
 
-**模型规格**
-- **基础模型**: BERT-base-uncased
-- **参数量**: ~110M
-- **输入长度**: 512 tokens
-- **输出**: 二分类 (0=弱模型, 1=强模型)
-- **推理延迟**: 1-5ms (CPU)
-
-**优势**
-- ✅ 完全开源 (代码 + 模型 + 数据集)
-- ✅ 轻量级，适合边缘部署
-- ✅ 基于 Chatbot Arena 真实偏好数据训练
-- ✅ 支持数据增强提升性能
-- ✅ 可泛化到未训练的模型对
-
-**劣势**
-- ⚠️ 仅支持二分类路由（强 vs 弱）
-- ⚠️ 需要针对特定模型对微调以获得最佳效果
-
-**快速开始**
-```python
-from transformers import AutoTokenizer, AutoModelForSequenceClassification
-import torch
-
-# 加载 RouteLLM BERT Router
-tokenizer = AutoTokenizer.from_pretrained("lm-sys/routellm-bert")
-model = AutoModelForSequenceClassification.from_pretrained("lm-sys/routellm-bert")
-model.eval()
-
-def route_query(query: str) -> str:
-    inputs = tokenizer(query, return_tensors="pt", truncation=True, max_length=512)
-    with torch.no_grad():
-        outputs = model(**inputs)
-        probs = torch.softmax(outputs.logits, dim=-1)
-        prediction = torch.argmax(probs, dim=-1).item()
-    
-    return "gpt-4" if prediction == 1 else "mixtral-8x7b"
-```
-
 ---
 
-### 1.2 Arch-Router (Katanemo Labs)
+## 3. 备选方案: Arch-Router 1.5B
+
+### 3.1 项目信息
 
-**项目信息**
 - **论文**: [Arch-Router: Aligning LLM Routing with Human Preferences](https://arxiv.org/abs/2506.16655)
 - **模型**: https://huggingface.co/katanemo/Arch-Router-1.5B
 - **机构**: Katanemo Labs
 - **发布时间**: 2025年6月
 
-**技术架构**
-
-Arch-Router 采用生成式模型架构：
+### 3.2 技术架构
 
 ```
 ┌─────────────────────────────────────────────────────────┐
@@ -130,204 +217,104 @@ Arch-Router 采用生成式模型架构：
 └─────────────────────────────────────────────────────────┘
 ```
 
-**性能指标**
-- **准确率**: 93%（对比 GPT-4 的 85%）
-- **优势**: 比顶级专有 LLM 平均高 7.71%
+### 3.3 模型规格
 
-**模型规格**
 - **参数量**: 1.5B
 - **架构**: Generative Language Model (类似 Llama)
 - **推理延迟**: 50-100ms (GPU)
-- **训练数据**: 43K 样本
+- **准确率**: 93%（对比 GPT-4 的 85%）
+
+### 3.4 优劣势
 
 **优势**
 - ✅ 人类偏好对齐，更符合实际使用场景
 - ✅ 支持自然语言策略定义，灵活性高
 - ✅ 添加新模型无需重新训练
-- ✅ 处理多轮对话和复杂意图能力强
 
 **劣势**
 - ⚠️ 模型较大 (1.5B)，推理延迟较高
 - ⚠️ 2025年新发布，生产验证较少
 - ⚠️ 需要 GPU 才能达到可接受延迟
 
-**快速开始**
-```python
-from transformers import AutoTokenizer, AutoModelForCausalLM
-
-tokenizer = AutoTokenizer.from_pretrained("katanemo/Arch-Router-1.5B")
-model = AutoModelForCausalLM.from_pretrained("katanemo/Arch-Router-1.5B")
-
-# 定义路由策略
-policies = [
-    {"id": "code", "description": "Programming and code generation tasks"},
-    {"id": "math", "description": "Mathematical reasoning and calculations"},
-    {"id": "creative", "description": "Creative writing and content generation"},
-]
-
-# 构建提示
-prompt = f"Query: {user_query}\nPolicies: {policies}\nBest policy:"
-```
-
 ---
 
-### 1.3 其他方案
+## 4. 其他方案
 
-#### RoRF (Not Diamond)
+### 4.1 RoRF (Not Diamond)
 - **类型**: Random Forest 分类器
 - **特点**: Pairwise 路由决策
 - **状态**: 开源，但文档较少
 
-#### LLMRouter (UIUC)
+### 4.2 LLMRouter (UIUC)
 - **项目**: https://github.com/ulab-uiuc/LLMRouter
 - **特点**: 智能路由系统
 - **状态**: 部分开源，细节待验证
 
----
-
-## 2. 方案对比总表
-
-| 维度 | RouteLLM BERT | Arch-Router 1.5B | RoRF |
-|------|---------------|-------------------|------|
-| **模型类型** | BERT Classifier | Generative LM | Random Forest |
-| **参数量** | 110M | 1.5B | - |
-| **推理延迟** | 1-5ms | 50-100ms | - |
-| **准确率** | 85-92% | 93% | - |
-| **支持模型数** | 2 (强/弱) | 动态添加 | 多模型 |
-| **训练需求** | 需针对模型对微调 | 无需重新训练 | 需训练 |
-| **硬件要求** | CPU 即可 | 需要 GPU | CPU |
-| **开源程度** | 完全开源 | 模型开源 | 开源 |
-| **社区活跃度** | 高 (LMSYS) | 中 (新兴) | 低 |
-| **生产验证** | 已验证 | 较少 | 未知 |
+### 4.3 DeBERTa 3-class Classifier
+- **参数量**: 163M
+- **分类**: easy/medium/hard 三分类
+- **评估**: 功能较简单，不如 NVIDIA 多头方案丰富
 
 ---
 
-## 3. 推荐方案
+## 5. 方案对比总表
 
-### 3.1 短期推荐: RouteLLM BERT
-
-**适用场景**
-- 需要快速替换现有规则路由
-- 资源受限（CPU 部署）
-- 对延迟敏感（<10ms）
-- 二分类路由足够（强/弱模型）
-
-**实施步骤**
-1. 安装依赖: `pip install transformers torch`
-2. 加载预训练模型
-3. 替换现有 `select_model_by_length()` 函数
-4. A/B 测试验证效果
-
-**预期收益**
-- 准确率从规则路由的 ~70% 提升到 85-92%
-- 成本降低 50-85%
-- 延迟增加 <5ms
-
-### 3.2 中期备选: Arch-Router 1.5B
-
-**适用场景**
-- 需要多模型路由（>2个模型）
-- 有 GPU 资源
-- 重视人类偏好对齐
-- 需要灵活的策略定义
-
-**实施步骤**
-1. 评估延迟是否可接受
-2. 在业务数据上测试准确率
-3. 设计自然语言路由策略
-4. 渐进式替换
-
-### 3.3 长期方向: 自定义训练
-
-**建议路径**
-```
-Phase 1 (现在): 集成 RouteLLM BERT
-    ↓
-Phase 2 (1月后): 收集业务数据，评估效果
-    ↓
-Phase 3 (3月后): 基于业务数据微调 BERT
-    ↓
-Phase 4 (6月后): 训练专用路由模型
-```
+| 维度 | NVIDIA Multi-Head ⭐ | RouteLLM BERT | Arch-Router 1.5B | RoRF |
+|------|---------------------|---------------|-------------------|------|
+| **模型类型** | DeBERTa Multi-Head | BERT Classifier | Generative LM | Random Forest |
+| **参数量** | 184M | 110M | 1.5B | - |
+| **推理延迟** | 5-15ms | 1-5ms | 50-100ms | - |
+| **路由能力** | 3-tier + 多维度 | 2-class (强/弱) | 动态策略 | Pairwise |
+| **分析维度** | 8 维 | 1 维 | 策略匹配 | - |
+| **硬件要求** | CPU 即可 | CPU 即可 | 需要 GPU | CPU |
+| **开源程度** | 完全开源 | 完全开源 | 模型开源 | 开源 |
+| **生产验证** | NVIDIA 内部 | LMSYS 验证 | 较少 | 未知 |
+| **自定义难度** | 中（需手动加载） | 低 | 低 | 中 |
 
 ---
 
-## 4. 与 tx402.ai 技术对比
+## 6. 与 tx402.ai 技术对比
 
-| 技术点 | tx402.ai (商业) | RouteLLM BERT (开源) | 差距分析 |
-|--------|----------------|---------------------|---------|
-| **分类器** | BERT + 多臂老虎机 | BERT Classifier | 缺少在线学习 |
-| **延迟** | 3ms (分类) + 5-10ms (路由) | 1-5ms | ✅ 更优 |
-| **准确率** | ~90% | 85-92% | ✅ 相当 |
-| **成本降低** | 70%+ | 85% | ✅ 更优 |
-| **模型覆盖** | 40+ | 2 (强/弱) | ⚠️ 需扩展 |
-| **在线学习** | 支持 | 不支持 | ⚠️ 需实现 |
+| 技术点 | tx402.ai (商业) | NVIDIA Multi-Head (当前) | 差距分析 |
+|--------|----------------|------------------------|---------|
+| **Layer 1 分类器** | BERT 三分类 (3ms) | DeBERTa 多头 8维 (5-15ms) | ✅ 维度更丰富 |
+| **Layer 2 选择** | 多臂老虎机 (2-5ms) | 静态评分公式 | ⚠️ 缺少在线学习 |
+| **Layer 3 执行** | 语义缓存 + 批量优化 | 直接调用 | ⚠️ 需实现 |
+| **路由层级** | 3层: 分类→MAB→执行 | 1层: 多头分类→评分 | ⚠️ 需扩展 |
+| **模型覆盖** | 40+ | 3 (flash/plus/max) | ⚠️ 需扩展 |
+| **在线学习** | 支持 (MAB) | 不支持 | ⚠️ 需实现 |
 | **语义缓存** | 支持 | 不支持 | ⚠️ 需实现 |
+| **总延迟** | 10-18ms | 5-15ms | ✅ 更优 |
 
-**关键差距**
-1. **在线学习**: tx402 使用多臂老虎机动态优化，开源方案需要自行实现
-2. **多模型支持**: 开源 BERT 仅支持二分类，需要扩展支持多模型
-3. **语义缓存**: tx402 的缓存技术未在开源方案中体现
+**当前已缩小的差距**（相比 RouteLLM BERT）:
+1. ✅ 支持 3-tier 路由（simple/medium/complex）
+2. ✅ 多维度查询分析（task_type/reasoning/creativity/domain）
+3. ✅ 更接近 tx402 Layer 1 的分类能力
+
+**仍需实现的功能**:
+1. Layer 2: 多臂老虎机在线学习（Thompson Sampling）
+2. Layer 3: 语义缓存 + 批量优化
+3. 扩展模型池覆盖（当前仅 3 个 Qwen 模型）
 
 ---
 
-## 5. 实施建议
+## 7. 演进路线
 
-### 5.1 最小可行方案 (MVP)
-
-**目标**: 用 RouteLLM BERT 替换现有 token 长度路由
-
-**改动范围**
-```python
-# 当前实现
-def select_model_by_length(messages):
-    token_count = estimate_tokens(messages)
-    if token_count < 100:
-        return "qwen-flash"
-    elif token_count < 500:
-        return "qwen-plus"
-    else:
-        return "qwen-max"
-
-# 新实现
-def select_model_by_bert(query: str) -> str:
-    prediction = bert_router.predict(query)
-    return "qwen-max" if prediction == "strong" else "qwen-flash"
 ```
-
-**验证标准**
-- [ ] 短查询正确路由到 qwen-flash
-- [ ] 复杂查询正确路由到 qwen-max
-- [ ] 延迟增加 <5ms
-- [ ] 准确率 >85%
-
-### 5.2 扩展方案 (Advanced)
-
-**添加多臂老虎机在线学习**
-```python
-class ThompsonSamplingRouter:
-    """结合 BERT 预测 + 多臂老虎机优化"""
-    
-    def __init__(self):
-        self.bert = BERTRouter()
-        self.bandit = ThompsonSampling(n_models=3)
-    
-    def route(self, query: str) -> str:
-        # BERT 提供先验
-        bert_prediction = self.bert.predict(query)
-        
-        # 老虎机动态调整
-        model = self.bandit.select(bert_prediction)
-        return model
-    
-    def update(self, model: str, reward: float):
-        # 根据实际效果更新
-        self.bandit.update(model, reward)
+Phase 1 (已完成): NVIDIA 多头分类器 3-tier 路由
+    ↓
+Phase 2 (下一步): 添加多臂老虎机在线学习 (Layer 2)
+    ↓
+Phase 3: 语义缓存 + 批量优化 (Layer 3)
+    ↓
+Phase 4: 扩展模型池 (40+ 模型支持)
+    ↓
+Phase 5: 基于业务数据微调 NVIDIA 分类器
 ```
 
 ---
 
-## 6. 参考文献
+## 8. 参考文献
 
 ### 学术论文
 1. **RouteLLM**: Ong et al. "RouteLLM: Learning to Route LLMs with Preference Data". arXiv:2406.18665, 2024.
@@ -336,6 +323,7 @@ class ThompsonSamplingRouter:
 4. **RouterBench**: Hu et al. "RouterBench: A Benchmark for Multi-LLM Routing System". ICML 2024.
 
 ### 开源项目
+- NVIDIA Classifier: https://huggingface.co/nvidia/prompt-task-and-complexity-classifier
 - RouteLLM: https://github.com/lm-sys/RouteLLM
 - Arch-Router: https://huggingface.co/katanemo/Arch-Router-1.5B
 - LLMRouter: https://github.com/ulab-uiuc/LLMRouter
@@ -346,48 +334,6 @@ class ThompsonSamplingRouter:
 
 ---
 
-## 7. 附录
-
-### A. 模型下载命令
-
-```bash
-# RouteLLM BERT
-huggingface-cli download lm-sys/routellm-bert
-
-# Arch-Router 1.5B
-huggingface-cli download katanemo/Arch-Router-1.5B
-```
-
-### B. 快速测试脚本
-
-```python
-# test_router.py
-import time
-from transformers import AutoTokenizer, AutoModelForSequenceClassification
-
-tokenizer = AutoTokenizer.from_pretrained("lm-sys/routellm-bert")
-model = AutoModelForSequenceClassification.from_pretrained("lm-sys/routellm-bert")
-
-test_queries = [
-    "你好",  # 简单
-    "解释量子计算",  # 中等
-    "用 Python 实现一个分布式事务协调器",  # 复杂
-]
-
-for query in test_queries:
-    start = time.time()
-    inputs = tokenizer(query, return_tensors="pt", truncation=True)
-    outputs = model(**inputs)
-    prediction = outputs.logits.argmax(dim=-1).item()
-    latency = (time.time() - start) * 1000
-    
-    print(f"Query: {query}")
-    print(f"Prediction: {'strong' if prediction == 1 else 'weak'}")
-    print(f"Latency: {latency:.2f}ms\n")
-```
-
----
-
 **报告结束**
 
 > 本报告基于 arXiv 论文、GitHub 开源项目和技术博客整理。  
diff --git a/nvidia_router.py b/nvidia_router.py
index 8b51412..7548a84 100644
--- a/nvidia_router.py
+++ b/nvidia_router.py
@@ -43,7 +43,8 @@ class NvidiaMultiHeadClassifier(nn.Module):
         # DeBERTa backbone
         self.backbone = DebertaV2Model.from_pretrained(
             config.base_model, 
-            ignore_mismatched_sizes=True
+            ignore_mismatched_sizes=True,
+            use_safetensors=True
         )
         
         hidden_size = 768  # DeBERTa-v3-base