الزيارات الشهرية: 0
الأسعار: ما تحددش
مدرج: —
تحدّث: 2026-10-12

01شنو هو VeriLoop E2؟

VeriLoop E2 هو موديل 27B مدرّب من بعد ومفتوح المصدر من مختبر الروبوتيك فكلية الدراسات العليا الدولية ديال جامعة تسينغهوا فشينزين، مبني على Qwen3.8-27B وموجّه للاستدلال فالبرمجة والرياضيات والفيزياء، برخصة Apache-2.0 وسياق أصلي ديال 262K. الآلية الأساسية VGR فـ VeriLoop كتفصل بين «اقتراح الموديل» و«التحقق الخارجي/التخزين الدائم». الحالة المرشحة ما كتتسجّل غير إلا ما كان حتى تدهور فإحداثيات الدليل المحمية وكان تحسن صارم فواحد منها على الأقل؛ وإلا كتترجع الحالة، وبهاد الشكل الموديل ما يقدرش يثبت النجاح ديالو بوحدو.

02الوظائف الرئيسية ديال VeriLoop E2

موديل مدرّب من بعد ومفتوح المصدر: موديل 27B مبني على Qwen3.8-27B، مع أوزان وTokenizer منشورين برخصة Apache-2.0، وسياق أصلي ديال 262,144 tokens، ويمكن خدمتو عبر vLLM 0.17.0 بطريقة متوافقة مع OpenAI.
البرمجة وقدرات الوكلاء: كيغطي مهام إصلاح البرمجيات على مستوى المستودع وتنفيذ الأوامر والأدوات، ومن بين النتائج المنشورة SWE-bench Pro بنسبة 76.2% وTerminal-Bench 2.1 بنسبة 88.8% وDeepSWE v1.1 بنسبة 64.6%.
الاستدلال فالرياضيات والعلوم: موجّه لرياضيات المسابقات وللأسئلة العلمية الصعيبة، مع نتائج مُبلّغ عليها قدرها 98.3% فـ AIME 2026 و100% فـ ArXivMath و93.9% فـ GPQA Diamond و89.6% فـ Apex 2025.
عروض علمية بسلسلة أدلة مكتملة: نُشرت شهادة صارمة محدودة الأبعاد لنسبة 67.350003708785593% من أصفار دالة زيتا ديال ريمان، إضافة لإطار T1–T9 للتصوير المقطعي التقاربي للغرافيتونات وحزمة شهادات قابلة للتنفيذ دازت 6/6.
عقد هندسي قابل للتدقيق: كاينين 14 قاعدة ذهبية منشورة، كتلزم المهام طويلة المدة تبقى محدودة وقابلة للاختبار والتتبع، وكتمنع بوضوح تزوير النجاح أو تأجيل ميزانية الموارد أو تجاوز الأعراف المحلية.
الحدود واضحة: النسخة الإنتاجية من VeriLoop Harness والتنسيق الخاص وبيانات التدريب ما داخلينش؛ الأعمال العلمية والرخصة ديال الموديل منفصلين، والنتائج ما كتسمحش نستنتجو أن حدسية ريمان أو مفارقة معلومات الثقوب السوداء تحلات.

03المبدأ التقني ديال VeriLoop E2

تابعونا فـ WeChat وردّو بكلمة «开源» باش تنضمو لمجموعة مشاريع الذكاء الاصطناعي مفتوحة المصدر
الآلية العامة ديال VGR: كيمثّل VeriLoop-Governed Recurrence حلّ مهمة على شكل انتقالات بين حالات مرشحة حول حالة محفوظة: الموديل، باعتبارو proposer متعلّم، كيولّد إزاحة مرشحة فالمتغيرات الكامنة أو قطعة عمل مرشحة، وdecoder ثابت كيحوّلها لمخرج، ومن بعد verifier خارجي كيرجع رتبة الدليل المحمي وفق عقد ثابت؛ وما كيتسجّل المرشح بشكل ذري غير إلا كانت الرتبة ديالو كتفرض هيمنة ضعيفة على رتبة الحالة الحالية وكان تحسن صارم فإحداثية وحدة على الأقل، وإلا كتتحفظ الحزمة الحالية كاملة، وكتتكتب غير الإزاحة المرفوضة فذاكرة الاستكشاف.
الترتيب الجزئي المحمي والتسجيل الذري: عقد التحقق كيحدّد لائحة واجبات مرتبة O=(o1,…,om) ومتجه رتب r∈N0m، وكلما صغرات الإحداثية قلّ عدد المخالفات المتبقية؛ مسند التسجيل χt=1{rt′≺Prt} كيتطلب ما يكون حتى تدهور فحتى إحداثية وأن يكون تحسن صارم فإحداثية وحدة على الأقل. لذلك تحسن النتيجة المجمعة ما يقدرش يغطي على تراجع فالنقطة، وأي مرشح غير قابل للمقارنة أو متراجع كيرفضوه. وحدة التسجيل هي CertifiedBundle، اللي كتجمع القطعة المرتبطة والحالة الكامنة ونتيجة التحقق والملخص. وعند الرفض كتتحفظ الحزمة كاملة كيف ما هي، باش يبقاو التراجع وإعادة التشغيل ممكنين، ومن هبوط الجهد الصحيح كنستنتجو أن عدد التسجيلات الصارمة محدود.
تغذية راجعة بالأدلة واستكشاف الرفض: من بعد كل محاولة، كيحسب مُصرّف الأدلة Γ، قبل ما يعوّض موضوع التحقق الحالي، خصائص محدودة ومكشوفة للموديل انطلاقاً من «النتيجة الحالية - نتيجة المرشح - قرار التسجيل»، بحال ضغط الرتبة، ونِسَب التحسن/التدهور/الثبات، ومؤشرات التسجيل والرتبة الصفرية؛ وكتستعمل غير لتكييف الاقتراح الموالي وما عندهاش صلاحية التسجيل. الإزاحات المرفوضة كتدخل لذاكرة الاستكشاف Et، ويمكن تأثر على البحث من بعد ولكن ما كتقدرش تغطي على الحالة المحمية، وبهذا كتولي مسارات الفشل «مفيدة بالمعلومة ولكن ماشي دائمة».
واجهة الإشراف على التدريب من بعد: حيث إن تسميات VGR كتتعرّف على مستوى انتقالات الحالة ديال المهمة، استعمل E2 عدد 1,841,831 سجل منظم فالتدريب من بعد: أفعال التقدم الصارم اللي تم التحقق منها كتقدم إشرافاً تصحيحياً، والمرشحون اللي ما يمكنش تسجيلهم كيقدمو أمثلة سلبية للمقارنة، وقطع العمل ذات الرتبة الصفرية كتقدم أهداف التوليد النهائي؛ والخسارة كتتكوّن بترجيح حدّ تفضيل لوجستي مزدوج، وNLL ديال الفعل، وNLL ديال التوليد، مع QLoRA-4/bfloat16 ونقاط تفتيش للتدرجات وتوجيه حسب مجال القدرة وإعادة تشغيل protected-core. والتقرير كيأكد أن هاد الشي كيخلّي التعلم يحسّن «توزيع الاقتراحات».

04كيفاش تستعمل VeriLoop E2

جيب الموديل: حمّلو من Hugging Face من tsinghua-sigs-robot-lab/VeriLoop-E2، وخلي tokenizer وchat template والإعدادات اللي جايين مع المستودع.
وجد البيئة: نصّب Python 3.12.x وPyTorch 2.10.0 + CUDA 12.9 وTransformers 4.57.6 وTriton 3.6.0، ومن بعد نفّذ python -m pip install "vllm==0.17.0".
شغّل الخدمة: نفّذ VLLM_USE_MODELSCOPE=true vllm serve --served-model-name veriloop-e2 --dtype bfloat16 --model-impl vllm --language-model-only --max-model-len 131072 --max-num-seqs 16 --gpu-memory-utilization 0.92 --generation-config vllm --host 127.0.0.1 --port 8001.
دير اختبار دخان قبل كلشي: صيفط طلب صغير بـ temperature: 0 إلى http://127.0.0.1:8001/v1/chat/completions، وتأكد أن الجواب فيه مثلاً 8001_OK قبل ما تربط الخدمة بالترافيك الرسمي.
استعمل بروتوكول OpenAI: عيّط لـ /v1/chat/completions باستعمال model="veriloop-e2"، وفـ Python صايب client بـ OpenAI(base_url="http://127.0.0.1:8001/v1", api_key="EMPTY").
اعتبر القالب جزءاً من البروتوكول: ما تبدلش فواصل الأدوار ولا صياغة استدعاء الأدوات ولا معنى التوقف ولا شكل تاريخ الاستدلال، حيث حتى إلا بقات الأوزان نفسها يقدرو يتبدلو استعمالات الأدوات وسلوك النظام.
خطط لموارد السياق الطويل: الحد الأصلي المنشور ديال tokenizer هو 262,144 tokens، ولكن خدمة التحقق العلنية كتستعمل 131,072 tokens، وأي نافذة أطول خاصك تقيّم ليها بوحدك ذاكرة GPU وKV cache.
فرّق بين صلاحيات الموديل وHarness: E2 مسؤول غير على الاقتراح والتجريد والتشخيص والإصلاح؛ أما قبول الأدلة والفحوصات الحتمية والتسجيل/التراجع والإنهاء والتخزين الدائم، خاصك تنفذهم فـ verifier/Harness ديالك.

05المزايا الأساسية ديال VeriLoop E2

فصل التوليد على التحقق: الموديل كيتكلف غير بالاقتراح والتشخيص والإصلاح، بينما Harness خارجي بوحدو عندو صلاحية القبول والتراجع والإنهاء والتخزين الدائم، وهاد الشي كيتفادى أن الموديل يثبت النجاح ديالو بنفسو.
قواعد تسجيل كتمنع التراجع: VGR كيسجّل غير ملي ما يكون حتى تدهور فإحداثيات الدليل المحمية ويكون تحسن صارم فإحداثية وحدة على الأقل؛ تحسن النتيجة المجمعة ما يقدرش يخبي تراجع نقطة معينة.
تراجع ذري وفشل آمن: المرشح المرفوض كيخلي CertifiedBundle كاملة، ومسار الفشل يمكن يعاود يتستعمل ولكن ما كيغطّيش على الحالة اللي تم التحقق منها.
إشارات الإشراف جاية من التحقق الحقيقي: التدريب من بعد كيستعمل التقدم الصارم والأمثلة السلبية اللي ما يمكنش تسجيلها والنسخة النهائية ذات الرتبة الصفرية لبناء أهداف التفضيل/NLL.
قدرات شاملة قوية نسبياً: فحجم 27B كيغطي وكلاء البرمجة وتنفيذ الأوامر والاستدلال فالرياضيات والعلوم، مع نتائج مُبلّغ عليها قدرها 76.2% فـ SWE-bench Pro و98.3% فـ AIME 2026 و93.9% فـ GPQA Diamond وغيرها.
سياق طويل وخدمة مفتوحة: سياق أصلي ديال 262,144 tokens وأوزان برخصة Apache-2.0، مع مسار خدمة متوافق مع OpenAI تم التحقق منو عبر vLLM 0.17.0.
قابل للتدقيق وماشي غير أرقام: حزمة أدلة التقييم كتربط بكل مهمة الهوية والمخرجات وسجلات التنفيذ/التقييم الأصلية ونتائج النجاح والفشل وبيانات سلامة كاملة.

06عنوان مشروع VeriLoop E2

مستودع النموذج فـ Hugging Face: https://huggingface.co/tsinghua-sigs-robot-lab/VeriLoop-E2
الورقة التقنية: https://openreview.net/pdf?id=P6FIQILHwX

07مجالات استعمال VeriLoop E2

إصلاح الكود على مستوى المستودع: كيتستعمل فمهام من نوع SWE لتوليد patch وتشخيص التراجعات، ومن بعد الاختبارات أو المُقيّم كيقرر واش يحتافظ بيه، وكيصلح لسيناريوهات الصيانة اللي فيها «التعديل خاصو يكون قابل للتحقق».
وكلاء الطرفية والأدوات: فبيئات من نوع Terminal-Bench كينفذ الأوامر وكيستعمل الأدوات وكيطلق الخطوة الموالية حسب الأدلة، وكيستعمل شهادات النجاح/الفشل للتحكم واش يتقدم.
الاستدلال الرياضي وحل المسابقات: موجّه للاستدلالات الصعيبة من نوع AIME/ArXivMath، بحيث من بعد عينات متعددة كيحتافظ بحلول قابلة لإعادة الإنتاج باستعمال حكم خارجي، وكيقلل الاعتماد على الحظ ديال جواب واحد.
الحسابات العلمية واستكشاف الفيزياء النظرية: كيساعد فدراسات على زيتا ديال ريمان ونظرية الحقول الكمومية والغرافيتونات التقاربية، من خلال اقتراح بنى وتحديد الثغرات فالبراهين.

حلّ الموقع بلّغ على مشكل

VeriLoop E2 خدام