VeriLoop E2 Inafanya kazi

VeriLoop E2 ni modeli ya baada ya mafunzo yenye vigezo 27B iliyotolewa kama chanzo huria na Maabara ya Roboti ya Taasisi ya Shenzhen ya Tsinghua ya Mafunzo ya Uzamili ya Kimataifa, inayotegemea Qwen3.8-27B, kwa uelekezaji wa msimbo, hisabati na fizikia, ikiwa na leseni ya Apache-2.0 na muktadha asilia wa 262K. Utaratibu mkuu wa VGR wa VeriLoop E2 unatenganisha “pendekezo la modeli” na “uthibitishaji/uhifadhi wa nje”. Hali pendekezi huwasilishwa tu pale ambapo viwianishi vya ushahidi unaolindwa havijazorota na angalau kipengele kimoja kimeboreshwa kwa ukali; vinginevyo hurejeshwa, hivyo modeli haiwezi kujithibitishia mafanikio.

Modeli ya baada ya mafunzo iliyo wazi: Modeli yenye vigezo 27B inayotegemea Qwen3.8-27B, yenye uzani na tokeniza iliyotolewa chini ya Apache-2.0, muktadha asilia wa tokeni 262,144, na inaweza kutolewa kwa vLLM 0.17.0 kwa njia inayooana na OpenAI.
Uwezo wa msimbo na mawakala: Inashughulikia kazi kama kurekebisha programu katika kiwango cha hazina na kutekeleza amri/zana za terminali; alama zilizoripotiwa zinajumuisha SWE-bench Pro 76.2%, Terminal-Bench 2.1 88.8% na DeepSWE v1.1 64.6%.
Uelekezaji wa hisabati na sayansi: Inalenga hisabati za mashindano na maswali magumu ya kisayansi, ikiwa na AIME 2026 98.3%, ArXivMath 100%, GPQA Diamond 93.9% na Apex 2025 89.6%.
Maonyesho ya kisayansi yenye ushahidi kamili: Imetoa cheti kikomo chenye masharti makali cha uwiano wa sufuri za ζ ya Riemann wa 67.350003708785593%, pamoja na mfumo wa T1–T9 wa tomografia ya graviton ya asymptotic na kifurushi cha vyeti kinachoweza kutekelezwa kilichofaulu 6/6.
Mikataba ya uhandisi inayoweza kukaguliwa: Kanuni 14 za Golden Rules zimewekwa wazi ili kulazimisha kazi za mizunguko mirefu zibaki zenye mipaka, zinazoweza kujaribiwa na kufuatiliwa; pia zinakataza wazi kutengeneza mafanikio ya uongo, kuchelewesha bajeti ya rasilimali au kupuuza makubaliano ya ndani.
Mipaka iliyo wazi: VeriLoop Harness ya uzalishaji, upangaji wa kibinafsi na data ya mafunzo hazijajumuishwa; kazi za kisayansi na leseni ya modeli zimetenganishwa, na matokeo hayawezi kutafsiriwa kuwa dhana ya Riemann au kitendawili cha taarifa za shimo jeusi kimetatuliwa.

Fuata WeChat na ujibu “开源” ili ujiunge na kikundi cha mawasiliano cha miradi ya AI ya chanzo huria
Utaratibu wa jumla wa VGR: VeriLoop-Governed Recurrence huiga utatuzi wa kazi moja kama uhamishaji wa hali pendekezi unaozunguka hali iliyohifadhiwa: modeli, kama proposer iliyojifunza, huzalisha uhamishaji pendekezi wa latent au kazi pendekezi; decoder thabiti huiunda kuwa tokeo; verifier wa nje hurudisha daraja la ushahidi unaolindwa chini ya mkataba thabiti. Uwasilishaji wa atomiki hufanyika tu pale ambapo daraja pendekezi linatawala kwa udhaifu daraja la sasa na angalau kiwianishi kimoja kimeboreshwa kwa ukali; vinginevyo bundle ya sasa huhifadhiwa kikamilifu, huku uhamishaji uliokataliwa ukiandikwa tu kwenye kumbukumbu ya uchunguzi.
Mpangilio wa sehemu unaolindwa na uwasilishaji wa atomiki: Mkataba wa verifier hufafanua orodha ya majukumu iliyopangwa O=(o1​,…,om​) na vekta ya madaraja r∈N0m​; thamani ndogo ya kiwianishi humaanisha ukiukaji uliobaki ni mchache. Kihusishi cha uwasilishaji χt​=1{rt′​≺P​rt​} kinahitaji kila kiwianishi kisizorote na angalau kiwianishi kimoja kiboreke kwa ukali. Kwa hiyo, uboreshaji wa alama ya jumla hauwezi kuficha kurudi nyuma kwa kipengele kimoja, na pendekezo lisiloweza kulinganishwa au lilorudi nyuma hukataliwa kila mara. Kitengo cha uwasilishaji ni CertifiedBundle inayounganisha kazi, hali fiche, matokeo ya uthibitishaji na muhtasari. Inapokataliwa, bundle nzima huhifadhiwa kama ilivyo, na hivyo kuhakikisha urejeshaji na uchezaji upya; idadi ya mawasilisho yenye mafanikio ni yenye kikomo kwa sababu ya kushuka kwa potensheli ya nambari.
Maoni ya ushahidi na uchunguzi wa kukataliwa: Baada ya kila jaribio, mkusanyaji wa ushahidi Γ huhesabu vipengele vyenye mipaka vinavyoonekana kwa modeli kutokana na “matokeo ya sasa—matokeo pendekezi—uamuzi wa uwasilishaji” kabla ya kubadilisha kitu cha sasa cha uthibitishaji, kama vile jumla iliyobanwa ya madaraja, uwiano wa uboreshaji/uzorotaji/usawa, na viashirio vya uwasilishaji na daraja sifuri. Vipengele hivi hutumika tu kuweka masharti ya pendekezo linalofuata na havina mamlaka ya kuwasilisha. Uhamishaji uliokataliwa huingia kwenye kumbukumbu ya uchunguzi Et​, unaweza kuathiri utafutaji unaofuata lakini hauwezi kufunika hali iliyolindwa, hivyo kufanya mkondo wa kushindwa uwe “wenye taarifa lakini usiodumu”.
Kiolesura cha usimamizi wa baada ya mafunzo: Kwa kuwa lebo za VGR hufafanuliwa kwenye uhamishaji wa hali wa kiwango cha kazi, E2 hutumia rekodi zilizopangwa 1,841,831 kwa mafunzo ya baadae: vitendo vya maendeleo makali vilivyothibitishwa hutoa usimamizi wa kurekebisha, mapendekezo yasiyoweza kuwasilishwa hutoa mifano hasi ya kulinganisha, na kazi zenye daraja sifuri hutoa malengo ya mwisho ya uzalishaji. Hasara huundwa kwa uzani wa kipengele cha logistic cha mapendeleo ya jozi, NLL ya kitendo na NLL ya uzalishaji, kwa kutumia QLoRA-4/bfloat16, ukaguzi wa gradient, uelekezaji kulingana na uwezo na protected-core replay. Ripoti inasisitiza kuwa hii huboresha “mgawanyo wa mapendekezo”.

Pata modeli: Vuta tsinghua-sigs-robot-lab/VeriLoop-E2 kutoka Hugging Face, na uhifadhi tokenizer, chat template na usanidi uliokuja na hazina.
Andaa mazingira: Sakinisha Python 3.12.x, PyTorch 2.10.0 + CUDA 12.9, Transformers 4.57.6 na Triton 3.6.0, kisha tekeleza python -m pip install "vllm==0.17.0".
Anzisha huduma: Endesha 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.
Fanya kwanza jaribio dogo: Tuma ombi dogo lenye temperature: 0 kwa http://127.0.0.1:8001/v1/chat/completions, thibitisha kuwa jibu ni kama 8001_OK kabla ya kuunganisha trafiki ya uzalishaji.
Tumia kwa itifaki ya OpenAI: Tumia /v1/chat/completions yenye model="veriloop-e2"; upande wa Python, tengeneza mteja kwa OpenAI(base_url="http://127.0.0.1:8001/v1", api_key="EMPTY").
Chukulia template kuwa sehemu ya itifaki: Usibadilishe vitenganishi vya majukumu, sintaksia ya kuita zana, maana ya kusitisha au umbizo la historia ya uelekezaji; hata uzani usipobadilika, mabadiliko hayo yanaweza kubadilisha matumizi ya zana na tabia ya mfumo.
Panga rasilimali za muktadha mrefu: Kikomo asilia cha tokenizer ni tokeni 262,144, lakini huduma ya uthibitishaji iliyo wazi ina urefu wa tokeni 131,072; dirisha refu zaidi linahitaji tathmini yako ya kumbukumbu ya video na akiba ya KV.
Tenganisha mamlaka ya modeli na Harness: E2 inawajibika tu kwa mapendekezo, uondoaji wa mambo ya jumla, uchunguzi na marekebisho; upokeaji wa ushahidi, ukaguzi wa kideterministi, uwasilishaji/urejeshaji, usitishaji na uhifadhi vinapaswa kutekelezwa na verifier/Harness yako mwenyewe.

Utenganishaji wa uzalishaji na uthibitishaji: Modeli inawajibika tu kwa mapendekezo, uchunguzi na marekebisho, huku Harness ya nje ikiwa na mamlaka ya pekee ya upokeaji, urejeshaji, usitishaji na uhifadhi, hivyo kuzuia modeli kujithibitishia mafanikio.
Kanuni ya uwasilishaji inayozuia kurudi nyuma: VGR huwasilisha tu wakati “viwianishi vya ushahidi unaolindwa havijazorota na angalau kipengele kimoja kimeboreshwa kwa ukali”; uboreshaji wa jumla hauwezi kuficha kurudi nyuma kwa kipengele kimoja.
Urejeshaji wa atomiki na kushindwa kwa usalama: Pendekezo lililokataliwa huhifadhi CertifiedBundle kamili; mkondo wa kushindwa unaweza kutumiwa tena lakini hauwezi kufunika hali iliyothibitishwa.
Ishara za usimamizi hutokana na uthibitishaji halisi: Mafunzo ya baadae hutumia maendeleo makali, mifano hasi isiyoweza kuwasilishwa na rasimu za mwisho zenye daraja sifuri kuunda malengo ya mapendeleo/NLL.
Uwezo mpana wa jumla: Kwa ukubwa wa 27B, inashughulikia mawakala wa msimbo, utekelezaji wa terminali, hisabati na uelekezaji wa kisayansi, ikiwa na alama zilizoripotiwa za SWE-bench Pro 76.2%, AIME 2026 98.3% na GPQA Diamond 93.9%.
Muktadha mrefu na huduma wazi: Muktadha asilia wa tokeni 262,144 na uzani wa Apache-2.0, pamoja na njia ya huduma inayooana na OpenAI iliyothibitishwa kupitia vLLM 0.17.0.
Inayoweza kukaguliwa badala ya kuripoti alama pekee: Vifurushi vya ushahidi wa tathmini huunganisha utambulisho wa kazi, matokeo, rekodi asilia za utekelezaji/tathmini, mafanikio na kushindwa, pamoja na metadata kamili ya uadilifu.

Hazina ya modeli ya HuggingFace: https://huggingface.co/tsinghua-sigs-robot-lab/VeriLoop-E2
Karatasi ya kiufundi: https://openreview.net/pdf?id=P6FIQILHwX

Marekebisho ya msimbo katika kiwango cha hazina: Hutumika katika kazi za aina ya SWE kuzalisha viraka, kuchunguza kurudi nyuma na kuruhusu majaribio/tathmini kuamua kama vihifadhiwe; inafaa kwa matengenezo ambapo “marekebisho lazima yathibitishwe”.
Mawakala wa terminali na zana: Katika mazingira ya aina ya Terminal-Bench, hutekeleza amri, kuita zana na kuanzisha hatua inayofuata kulingana na ushahidi, huku hati za mafanikio/kushindwa zikidhibiti kama mchakato uendelee.
Uelekezaji wa hisabati na utatuzi wa mashindano: Hulenga uthibitishaji mgumu wa aina ya AIME/ArXivMath; baada ya sampuli nyingi, huhifadhi majibu yanayoweza kurudiwa kwa kutumia uamuzi wa nje, na kupunguza bahati ya kutegemea jibu moja.
Kompyuta za kisayansi na uchunguzi wa fizikia ya kinadharia: Katika utafiti wa ζ ya Riemann, nadharia ya uga wa kwanta, graviton za asymptotic na maeneo mengine, husaidia kupendekeza miundo na kutambua mapengo ya uthibitisho.