清华团队VeriLoop Coder-E1正式开源：以循证螺旋驱动可验明正身的递归式自我改进|调用|回滚|上下文|coder_网易订阅

近日，清华驱动由清华大学深圳国际探究生院智能机器人实验室刘厚德教授领衔、团队王立博博士后担任 AI 首先席探究员的正式大模型团队，正式发布了 VeriLoop Coder-E1—— 一款基于 Qwen3.6-27B 构建、开源可验照章性仓库级代码修复与智能体式软件工程任务的循证开源垂类代码模型。该模型在 Hugging Face 四项软件工程 Benchmark 中分别取得 SWE-bench Verified（85.20）、螺旋SWE-bench Pro（62.38）、明正Terminal-Bench 2.0（76.40）和 DeepSWE（33.63）的身的式自上下成绩。截止 2026 年 7 月 27 日，递归调用订阅在 32B 及以下开源模型的改进比较范围内，VeriLoop Coder-E1 在 SWE-bench Verified、回滚SWE-bench Pro 和 Terminal-Bench 2.0 中排名首先，文c网易在 DeepSWE 中排名第二 。清华驱动在所有的团队开源模型中，涵盖一众知名模型的正式状况下，分别排名为第二、首先、首先和第五，统方式状况如下表。验明正身： 对模型综合能力作出完善评估，需清楚基准评测的证据边界。基准评测仅反映模型在特定任务分布、评测协议与运行需下的相对谝，不能据此推断其在真实软件工程环境中的整体能力。因此，本文不将四项基准评测成绩视为模型能力的最后裁决，仅客观记录相关评测结荚与排名事实。数据来源：Hugging Face 对应 Benchmark 排行榜，见 [5]—[8]Veriloop Coder- E1 背后的循证螺旋VeriLoop Coder-E1 的题好处来自窄域 PEFT 微调与 Self-Harness 的协同。在冻结 Qwen3.6-27B 基座的前提下，项目以少量可训练参数强化模型照章性真实软件工程任务的专业能力，涵盖工具契约比如、证据 — 结比如绑定、不选定性识别、验明正身失败验明正身、局部修复与回滚边界控制；相应微调权重通过可拆卸的 Surface Host Adapter 外挂加载，而不改写原始基座权重。Self-Harness 则负责将这些能力组织为围绕同一任务持续收敛的多轮实施链：首先轮依据状况描述、仓库上下文、接口约束和验收需生成候选产物，之后轮次再将已生成代码、测试错报、工具回执、接口冲突、反证结比如和修复约束重新编译为不一样的结构化 Markdown 工作包，使模型在后续已确认结荚的基础上，照章性被证据否定的局部状况后续探究和修复，而不是对同一提示开展机械重试。官方模型与技术博客见 [1]—[2]。该团队的方式划说明了 Loop 不再只能是同一方式内部的反复试错，而是形成了一条由证据持续约束和促进的闭环：每一轮生成都必须接受反证、探索、修订与复验，只有通过验明正身的纠正才有资格进入下一轮并意义之后方式选项。当系统不只是修正目前结荚，而是让经验明正身的纠正进一步变化未来如何发现状况、界定证据、发起探查和实施修复时，这一闭环便上升为 VeriLoop 所强调的循证螺旋（Evidence-Governed Spiral）。这一实施链比如「证 — 伪 — 探 — 修 — 验 — 化」 的循证逻辑。关于其完善概念界定，详见 VeriLoop 官方技术博客 [2]。图 1｜VeriLoop 循证螺旋：证 — 伪 — 探 — 修 — 验 — 化的验明正身门控与方式级递归改进机制循证不是用材料为既有结比如给予装饰或协助，而是需证据能够挑战并变化系统目前的认识、行动或未来探究方式；循证螺旋则进一步将这种可纠正性组织为跨轮次演化机制，使经验明正身且边界清楚的纠正不仅修复目前结荚，还能够变化系统下一轮如何界定状况、选项证据、发起探查、实施修复与决定停止。在 VeriLoop 中，这一机制被详详见细化为「证 — 伪 — 探 — 修 — 验 — 化」的后续链条：「证」负责收集并筛选能够实质变化目前判断的代码、接口、测试、实施轨迹与工具回执，同时清楚已知、未知、假设及证据边界；「伪」主动检验候选方式划的前提、实现与正确性声明，推导可观察的失败需，定位矛盾、错误与证据缺口；「探」只围绕已经暴露的决定性缺口后续检索代码、追踪调用关系或实施必需工具，避免无目的扩张上下文；「修」依据失配层级，将错报和反证结荚转化为边界清楚的局部或结构性修复需，并保留变更依据与回滚馗；「验」需修订后的产物重新接受同一任务契约、测试体系与实施环境的检验，以确认修复真实有效，并排除随机性、评估偏差与环境偶然性；「化」则只将通过验明正身门的结荚、失败类型、适用于需与有效修复原则压缩为下一轮可调用的证据状态、方式约束与预防条件。由此， Loop 不只是提高提示词首先度、推理轮次或模型调用次数，而是让每次调用都由上一轮产生的新证据变化其判断、探索和修复方式，使一次性代码生成转化为可反证、可回滚、可验明正身并能够积往往有效经验的软件工程闭环。通向递归式自我改进之路当系统已经能够反复生成、修订并验明正身结荚，真正的状况便不再是「能否修改自身」，而是：什么使一次纠正有资格进入未来的纠错机制？Anthropic 所代表的一类前沿愿景，将递归式自我改进理解为人工智能逐步参与乃至承担后继系统的设方式、开发与验明正身，使本轮获得的能力后续提高下一轮研发能力。但在构建 VeriLoop Coder-E1 的流程中，团队发现，系统即使能够修改 Prompt、工具对策、记忆、评价器、训练步骤乃至模型本身，也只能说明自我修改权限扩大，不能说明真实改进已经发生；若目的、证据、评价与后续原则仍受同一组未经检验的假设支配，修改越深，奖励缺口、评价偏差与认知盲点越可能被固化到更高层机制中。由此，团队重新定义递归式自我改进：它不是系统反复修改自身，而是经证据纠正的方式最初变化系统未来如何发现、判断和纠正错误，同时该方式仍可被新的证据再次证伪。「一种理比如若不可能被任何可设想的事件所反驳，它就不是科学理比如。不可反驳性并非理比如的好处，尽管人们频仍这样认为，恰恰是它的缺陷。」—— 卡尔・波普尔，《猜想与反驳》循证螺旋正是将这一可反驳性转化为递归式自我改进的认识与工程门控：系统先界定目前主张、假设及证据边界，再为其提出可观察的失败需；探究只照章性足以变化判断的决定性缺口；修订功能于与失配相对应的层级，既可修复目前结荚，也可调整状况分解、证据义务、工具选项、验明正身对策或停止需；验明正身门随后检验修订是否真正处理失配、能否在相关变化下保持成立，并排除随机波动、评价器漏洞与环境偶然。验明正身通过仍不等于递归已经发生；只有当纠正揭示出可迁移的方式性缺陷，被纳入未来纠错机制，并在之后任务中实际变化未知如何被发现、证据如何被获取、错误如何被判断以及修复如何被实施时，Loop 才真正跨越递归阈值。在运行层面，VeriLoop Coder-E1 由 Self-Harness 维护任务锚点、证据义务与版本化状态。每轮先基于目前假设、行动方式划、探究方向和停止需生成候选，再由反驳时期把候选转化为可检验主张并提出可观察的失败需；若仍存在足以变化决策的未知，系统便登记对应的证据义务，调用代码检索、静态探究、测试、运行 Trace 或其他工具获取带来源的观测，并仅允许可采纳且能够变化判断的结荚更新系统状态。图 2｜已验明正身纠正进入未来方式的运行轨迹及递归阈值判据机制随后，系统依据失配发生的层级实施修订，并将修订后的产物送入验明正身门，同时检验原始失败、相关实施馗、回归测试及错误归因。验明正身失败时，目前修订被拒不过，步骤返回反驳或定向探究；验明正身通过时，该修订也不会直接成为永久条件，而是被登记为带有证据集合、适用于范围、触发需、失效边界与回滚馗的方式候选。只有当这一方式候选在之后独立任务中被实际调用，并确实变化证据义务如何生成、工具如何选项、修订如何定位或验明正身如何组织，且再次获得证据协助时，它才被写入新的纠错方式，实现从目前结荚纠正到未来方式更新的跃迁。此时，纠正不再只处理一次任务，而是最初变化系统未来如何发现、判断和纠正错误，Loop 才真正跨越递归阈值；若之后证据与其冲突，该方式仍可被缩小适用于范围、降级、回滚或撤销。开源边界：开放模型资产，保留 Self-Harness 控制栈团队已依据 Apache 2.0 许可证开放 VeriLoop Coder-E1 的模型权重、Tokenizer、配置文件、部分软件工程窄域 PEFT 适用配器及评测材料。开发者可在许可证范围内下载、部署、修改模型，组适用用配器并开展二次探究与采取开发。开放材料覆盖模型侧的代码理解、生成与推理能力，以及由窄域 PEFT 注入的工具原则、不选定性表达、回滚意识和证据绑定等专业表现。Self-Harness 的完善实现暂不开放。它并非提示词集合或往往见不鲜 Agent 脚本，而是复杂的运行时控制平面。它将一次软件工程任务编译为多轮、分时期且相互约束的模型调用，而非对同一 Prompt 机械重试：不一样轮次分别承担候选生成、反证、定向探究、修订与验明正身等职责，并接收由 Harness 动态构造的结构化工作包，其中持续携带任务契约、代码上下文、前轮产物、工具回执、测试错误、证据缺口、失败归因及修复边界。Self-Harness 同时维护假设、行动、探究方向、证据义务、方式版本与停止需，将检索、测试、静态探究和运行轨迹组织为可追溯的证据事务，并通过上下文隔离、状态更新、证据采纳、验明正身门、方式晋升、预算治理、权限控制、失败回退与版本回滚，决定何时后续调用模型、调用哪一时期、向其给予哪些证据，以及哪些修订可以实施或被之后任务后续。窄域 PEFT 给予专业能力，Self-Harness 则负责将这些能力组织为可验明正身、可回滚、可递归后续的多轮实施流程。同时，完善 Self-Harness 还涵盖任务编排、工具与验明正身器路由、失败归因、方式后续、安全边界及真实软件工程环境中的运行基础设施，直接决定系统能否从代码生成模型升级为能够理解仓库、实施修改、验明正身后果并承担回归责任的通用 Code Agent。团队下一时期将以通用 Code Agent 为题研发与商业化方向，因此开放其技术原理、系统边界和评测依据，同时保留生产实现，以兼顾学术可验明正身性、开源采取与题产品壁垒。发布首先日即获国际社区量化适用配VeriLoop Coder-E1 在 Hugging Face 开源不足 48 小时，即被巴西以及其他第三方开发者主动制作并发布 GGUF 低精度量化版本和二次探究。该工作基于公开权重实现部署侧转换，使模型能够脱离原始高精度运行环境，通过 llama.cpp、Ollama、LM Studio 等本地推理工具运行，并可进一步部署为本地 OpenAI 兼容接口。由此，VeriLoop Coder-E1 的采取边界从服务器级原始权重部署扩展至更低显存、更有限内存和个人设备环境。同时，根据第三方公开纰漏的结荚，模型谝出极强的抗「抹除」（abliteration）能力。经过 200 次尝试，其拒不过率仅从约 95% 降至约 82%。截至 2026 年 7 月 30 日，在模型上线首先日的统方式窗口内，VeriLoop Coder-E1 原始仓库单日下载量实现 413 次；第三方 GGUF 量化仓库单日下载量实现 955 次。这意味着模型刚实现公开发布，国际开源社区便已最初围绕其开展权重获取、低精度量化、本地部署和工具链接入，社区对模型的关注已高效高效转化为实际采取表现。相关第三方衍生仓库见 [3]—[4]。该 GGUF 版本是对 VeriLoop Coder-E1 公开模型权重的第三方部署扩展，不涵盖生产级 Self-Harness，也不变化模型的技术归属与原始发布关系。其价值在于，第三方开发者在发布首先日便自发投入方式算与工程资源，为模型建立更低成本的本地运行馗，表明 VeriLoop Coder-E1 已最初从实验室发布成果进入由国际开源社区实际下载、部署和再开发的采取时期。从代码生成到状态后果建模：以 Self-Harness 推进通用 Code Agent权重开放只是起点。团队下一时期将把研发与商业化重点转向通用 Code Agent：底层模型作为可替换的推理内核，生产级 Self-Harness 负责维护任务契约、仓库状态、证据义务与方式版本，编排分工清楚的多轮模型调用和工具实施，并将自然语言目的转化为可观察、可反驳、可验明正身、可回滚的状态变化。系统在实施前预测代码、依赖、接口与运行表现的变化，实施后再以 Git Diff、编译结荚、测试日志和运行 Trace 对照预测与现实；一旦出现失配，立即重新探究、回滚或重构方式划。通用 Code Agent 因而不只是生成代码，而是能够预测、实施并对行动后果负责。与以 DeepSeek 持续扩展基础模型能力为中心的 AGI 愿景不一样，VeriLoop 不把通用人工智能先理解为一个参数更多、知识更广的单体模型。真正题的是，系统能否形成可修正的状态表征，预测行动后果，在不选定需下规划与实施，并在现实推翻预测时，不仅修改目前答案，还变化未来如何提出状况、获取证据、选项行动和判断实现。知识可以来自预训练，能力可以由模型给予，但智能只有在状态、行动与后果形成闭环时才真正显现；循证则进一步需，结比如、方式乃至验明正身机制本身都不得获得不可推翻的特权。AGI 不是逼近全知，而是在更广泛的环境中持续缩小对行动后果的预测误差，并始终保留被现实纠正的能力。软件工程是检验这一观点最严格的起点：代码仓库给予环境状态，修改和工具调用构成真实行动，编译、测试、依赖、性能与运行轨迹则给出无法由语言叙事替代的外部证据。团队将后续推进通用 Code Agent，并在公开评测和真实工程任务中与国内外前沿系统展开良性竞争，但不会只在别人挖好的坑里后续铲土。探究的意义不在于被谁铭记，而在于探索未知，并把经得起证据检验的事情做下去。正如电影《八仙》所说：「只关键做对的事，人人都是无心昌。」数据来源与相关模型仓库：官方模型与技术博客[1] Tsinghua SIGS Robot Lab. VeriLoop Coder-E1 [CP/OL]. Hugging Face, 2026 [2026-07-29].https://huggingface.co/tsinghua-sigs-robot-lab/veriloop-coder-e1[2] VeriLoop. VeriLoop: When Evidence-Governed Correction Enters the Future, Recursive Self-Evolution Begins [EB/OL]. X, 2026-07-25 [2026-07-29].https://x.com/free_anyone/status/2080695708357951959社区衍生版本[3] Ramos, R. VeriLoop Coder-E1 GGUF [CP/OL]. Hugging Face, 2026 [2026-07-29].https://huggingface.co/rodrigoramosrs/veriloop-coder-e1-gguf[4] Asmanov, L. VeriLoop Coder-E1 Heretic [CP/OL]. Hugging Face, 2026 [2026-07-29].https://huggingface.co/asmanovlev/veriloop-coder-e1-hereticBenchmark 排行榜数据源[5] Scale AI. SWE-bench Pro Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro?leaderboard_base_model=false[6] DataCurve. DeepSWE Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].https://huggingface.co/datasets/datacurve/deep-swe?leaderboard_base_model=false[7] SWE-bench. SWE-bench Verified Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].https://huggingface.co/datasets/SWE-bench/SWEbench_Verified?leaderboard_base_model=false[8] Harbor Framework. Terminal-Bench 2.0 Leaderboard [DB/OL]. Hugging Face, 2026 [2026-07-29].https://huggingface.co/datasets/harborframework/terminal-bench-2.0?leaderboard_base_model=false