VeriLoop E2 آپریشن میں

VeriLoop E2 سنگھوا یونیورسٹی کے شینژن انٹرنیشنل گریجویٹ اسکول کی روبوٹکس لیبارٹری کا جاری کردہ 27B پوسٹ ٹریننگ ماڈل ہے، جو Qwen3.8-27B پر مبنی ہے اور کوڈ، ریاضی اور طبیعیات کی استدلالی صلاحیتوں کے لیے تیار کیا گیا ہے۔ یہ Apache-2.0 لائسنس کے تحت ہے اور اس میں مقامی 262K سیاق شامل ہے۔ VeriLoop E2 کا بنیادی VGR طریقۂ کار “ماڈل کی تجویز” اور “بیرونی تصدیق/مستقل ذخیرہ کاری” کو الگ کرتا ہے۔ امیدوار حالت صرف اس وقت جمع کی جاتی ہے جب محفوظ شواہد کے نقاط میں تنزلی نہ ہو اور کم از کم ایک نقطے میں واضح بہتری آئے؛ بصورت دیگر اسے واپس لے لیا جاتا ہے، لہٰذا ماڈل اپنی کامیابی کی خود تصدیق نہیں کر سکتا۔

اوپن سورس پوسٹ ٹریننگ ماڈل: Qwen3.8-27B پر مبنی 27B ماڈل، Apache-2.0 کے تحت جاری کردہ وزن اور ٹوکنائزر، مقامی 262,144 tokens سیاق، اور vLLM 0.17.0 کے ذریعے OpenAI-compatible سروسنگ۔
کوڈ اور ایجنٹ کی صلاحیتیں: ریپوزٹری سطح کی سافٹ ویئر مرمت، ٹرمینل/ٹول پر عمل درآمد جیسے کاموں کا احاطہ؛ جاری کردہ اسکورز میں SWE-bench Pro 76.2%، Terminal-Bench 2.1 88.8% اور DeepSWE v1.1 64.6% شامل ہیں۔
ریاضی اور سائنسی استدلال: مقابلہ جاتی ریاضی اور مشکل سائنسی سوالات کے لیے تیار کردہ؛ AIME 2026 98.3%، ArXivMath 100%، GPQA Diamond 93.9% اور Apex 2025 89.6% رپورٹ کیے گئے ہیں۔
شواہد سے مکمل سائنسی مظاہرہ: ریمان ζ صفرات کے تناسب 67.350003708785593% کا سخت محدود بُعدی سرٹیفکیٹ، نیز اسیمپٹوٹک گریویٹون ٹوموگرافی کا T1–T9 فریم ورک اور 6/6 کامیاب قابلِ اجرا سرٹیفکیٹ سوٹ جاری کیا گیا ہے۔
قابلِ آڈٹ انجینئرنگ معاہدہ: 14 Golden Rules عوامی طور پر دستیاب ہیں، جو طویل مدتی کاموں کو محدود، قابلِ آزمائش اور قابلِ سراغ رہنے کا پابند بناتے ہیں، جبکہ کامیابی جعل سازی، وسائل کے بجٹ کو مؤخر کرنے یا مقامی روایات کو نظرانداز کرنے سے واضح طور پر منع کرتے ہیں۔
واضح حدود: پروڈکشن VeriLoop Harness، نجی آرکیسٹریشن اور تربیتی ڈیٹا شامل نہیں؛ سائنسی فن پارے اور ماڈل لائسنس الگ ہیں، اور نتائج کو ریمان مفروضے یا بلیک ہول معلوماتی تضاد کے حل کے طور پر پیش نہیں کیا جا سکتا۔

WeChat پر توجہ دیں اور “اوپن سورس” کا جواب بھیج کر AI اوپن سورس پروجیکٹ گروپ میں شامل ہوں
VGR کا مجموعی طریقۂ کار: VeriLoop-Governed Recurrence کسی کام کے حل کو محفوظ شدہ حالت کے گرد امیدوار حالت کی منتقلی کے طور پر ماڈل کرتا ہے۔ ماڈل ایک سیکھا ہوا proposer بن کر امیدوار latent displacement یا امیدوار فن پارہ تیار کرتا ہے، مقررہ decoder اسے آؤٹ پٹ میں تبدیل کرتا ہے، اور بیرونی verifier مقررہ معاہدے کے تحت محفوظ شدہ شواہد کا رینک واپس کرتا ہے۔ صرف وہ امیدوار ایٹمی طور پر جمع کیا جاتا ہے جس کا رینک موجودہ رینک پر کمزور غلبہ رکھتا ہو اور کم از کم ایک نقطے میں واضح بہتری دکھاتا ہو؛ بصورت دیگر موجودہ bundle مکمل طور پر برقرار رہتا ہے اور صرف مسترد شدہ displacement کو exploration memory میں لکھا جاتا ہے۔
محفوظ جزوی ترتیب اور ایٹمی جمع کاری: verifier معاہدہ مرتب شدہ ذمہ داریوں کی فہرست O=(o1​,…,om​) اور رینک ویکٹر r∈N0m​ متعین کرتا ہے، جہاں چھوٹی قدر کم باقی ماندہ خلاف ورزیوں کی نمائندگی کرتی ہے۔ جمع کاری کا predicate χt​=1{rt′​≺P​rt​} ہر نقطے میں عدم تنزلی اور کم از کم ایک نقطے میں واضح بہتری کا تقاضا کرتا ہے۔ اس لیے مجموعی اسکور کی بہتری کسی ایک نقطے کی واپسی کو نہیں چھپا سکتی؛ ناقابلِ موازنہ یا تنزلی والے امیدوار ہمیشہ مسترد کیے جاتے ہیں۔ جمع کاری کی اکائی CertifiedBundle ہے، جس میں منسلک فن پارہ، پوشیدہ حالت، تصدیقی نتیجہ اور خلاصہ شامل ہیں۔ مسترد ہونے کی صورت میں پورا bundle جوں کا توں محفوظ رہتا ہے، جس سے واپسی اور دوبارہ اجرا ممکن ہوتا ہے، جبکہ عددی potential میں کمی سے جمع کاریوں کی کل تعداد محدود ثابت ہوتی ہے۔
شواہد کا فیڈبیک اور مسترد شدہ تلاش: ہر کوشش کے بعد، evidence compiler Γ موجودہ تصدیقی آبجیکٹ کو تبدیل کرنے سے پہلے “موجودہ نتیجہ—امیدوار نتیجہ—جمع کاری کا فیصلہ” سے محدود model-visible خصوصیات اخذ کرتا ہے، مثلاً رینک کا مجموعہ اور بہتری/تنزلی/برابری کے تناسب، جمع کاری اور صفر رینک کے اشارے وغیرہ۔ یہ خصوصیات صرف اگلی تجویز کو مشروط بنانے کے لیے استعمال ہوتی ہیں اور انہیں جمع کاری کا اختیار حاصل نہیں ہوتا۔ مسترد شدہ displacement کو exploration memory Et​ میں شامل کیا جاتا ہے؛ یہ بعد کی تلاش کو متاثر کر سکتا ہے مگر محفوظ شدہ حالت کو overwrite نہیں کر سکتا، یوں ناکام راستے “معلوماتی مگر غیر مستقل” رہتے ہیں۔
پوسٹ ٹریننگ نگرانی کا انٹرفیس: چونکہ VGR لیبل کام کی سطح کی حالتی منتقلی پر متعین ہوتے ہیں، E2 پوسٹ ٹریننگ کے لیے 1,841,831 ساختی ریکارڈ استعمال کرتا ہے۔ تصدیق شدہ واضح پیش رفت کے اعمال اصلاحی نگرانی فراہم کرتے ہیں، جمع نہ کیے جا سکنے والے امیدوار تقابلی منفی مثالیں فراہم کرتے ہیں، اور صفر رینک والے فن پارے حتمی تخلیقی ہدف فراہم کرتے ہیں۔ Loss جوڑی دار ترجیحی logistic جزو، action NLL اور generation NLL کے وزنی مجموعے پر مشتمل ہوتا ہے، جبکہ QLoRA-4/bfloat16، gradient checkpointing، صلاحیتی سطح کے مطابق routing اور protected-core replay استعمال کیے جاتے ہیں۔ رپورٹ کے مطابق اس سے “تجویزی تقسیم” میں بہتری آتی ہے۔

ماڈل حاصل کریں: Hugging Face سے tsinghua-sigs-robot-lab/VeriLoop-E2 حاصل کریں اور ریپوزٹری کے ساتھ موجود tokenizer، chat template اور configuration برقرار رکھیں۔
ماحول تیار کریں: Python 3.12.x، PyTorch 2.10.0 + CUDA 12.9، Transformers 4.57.6 اور Triton 3.6.0 انسٹال کریں، پھر python -m pip install "vllm==0.17.0" چلائیں۔
سروس شروع کریں: 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 چلائیں۔
پہلے smoke test کریں: http://127.0.0.1:8001/v1/chat/completions کو temperature: 0 کے ساتھ ایک مختصر درخواست بھیجیں، اور باضابطہ ٹریفک شامل کرنے سے پہلے یقینی بنائیں کہ 8001_OK جیسا جواب موصول ہو رہا ہے۔
OpenAI پروٹوکول کے مطابق کال کریں: model="veriloop-e2" کے ساتھ /v1/chat/completions استعمال کریں؛ Python میں OpenAI(base_url="http://127.0.0.1:8001/v1", api_key="EMPTY") کے ذریعے کلائنٹ بنائیں۔
Template کو پروٹوکول کا حصہ سمجھیں: کرداروں کے جداکار، tool calling syntax، stop semantics یا reasoning history format کو تبدیل نہ کریں؛ وزن برقرار رہنے کے باوجود ٹول کے استعمال اور نظام کے رویے میں تبدیلی آ سکتی ہے۔
طویل سیاق کے وسائل کی منصوبہ بندی کریں: جاری کردہ tokenizer کی مقامی حد 262,144 tokens ہے، مگر عوامی تصدیقی سروس کی حد 131,072 tokens ہے؛ اس سے بڑی ونڈو کے لیے GPU میموری اور KV cache کا خود جائزہ لیں۔
ماڈل اور Harness کے اختیارات الگ رکھیں: E2 صرف تجویز، تجرید، تشخیص اور مرمت کا ذمہ دار ہے؛ شواہد کی قبولیت، deterministic checks، جمع کاری/واپسی، اختتام اور مستقل ذخیرہ کاری آپ کے اپنے verifier/Harness میں نافذ ہونی چاہیے۔

تخلیق اور تصدیق کی علیحدگی: ماڈل صرف تجویز، تشخیص اور مرمت کا ذمہ دار ہے، جبکہ بیرونی Harness قبولیت، واپسی، اختتام اور مستقل ذخیرہ کاری کے اختیارات اپنے پاس رکھتا ہے، جس سے ماڈل کی خود تصدیقِ کامیابی سے بچا جاتا ہے۔
تنزلی سے محفوظ جمع کاری کا اصول: VGR صرف اس وقت جمع کرتا ہے جب “محفوظ شواہد کے نقاط میں تنزلی نہ ہو اور کم از کم ایک نقطے میں واضح بہتری آئے”؛ مجموعی بہتری کسی ایک نقطے کی واپسی کو نہیں چھپا سکتی۔
ایٹمی واپسی اور محفوظ ناکامی: مسترد شدہ امیدوار مکمل CertifiedBundle کو برقرار رکھتے ہیں؛ ناکام راستے دوبارہ استعمال ہو سکتے ہیں مگر تصدیق شدہ حالت کو overwrite نہیں کرتے۔
نگرانی کے اشارے حقیقی تصدیق سے: پوسٹ ٹریننگ میں واضح پیش رفت، جمع نہ کیے جا سکنے والی منفی مثالوں اور صفر رینک والے حتمی مسودے سے preference/NLL اہداف بنائے جاتے ہیں۔
مضبوط جامع صلاحیت: 27B پیمانے پر کوڈ ایجنٹ، ٹرمینل پر عمل درآمد، ریاضی اور سائنسی استدلال کا احاطہ؛ SWE-bench Pro 76.2%، AIME 2026 98.3% اور GPQA Diamond 93.9% جیسے نتائج رپورٹ کیے گئے ہیں۔
طویل سیاق اور کھلی سروس: مقامی 262,144 tokens سیاق، Apache-2.0 وزن، اور vLLM 0.17.0 سے تصدیق شدہ OpenAI-compatible سروس کا راستہ۔
صرف اسکور نہیں بلکہ قابلِ آڈٹ: تشخیصی شواہد کے پیکج میں کام سے منسلک شناخت، آؤٹ پٹ، مقامی عمل درآمد/تشخیصی ریکارڈ، کامیابی و ناکامی اور مکمل سالمیت کا metadata شامل ہوتا ہے۔

HuggingFace ماڈل ریپوزٹری: https://huggingface.co/tsinghua-sigs-robot-lab/VeriLoop-E2
تکنیکی مقالہ: https://openreview.net/pdf?id=P6FIQILHwX

ریپوزٹری سطح کی کوڈ مرمت: SWE جیسے کاموں میں patches تیار کرنے، regressions کی تشخیص کرنے اور tests/evaluator کے ذریعے یہ فیصلہ کرنے کے لیے استعمال کیا جاتا ہے کہ انہیں برقرار رکھا جائے یا نہیں؛ ان دیکھ بھال کے حالات کے لیے موزوں ہے جہاں “ترمیم قابلِ تصدیق ہونی چاہیے”۔
ٹرمینل اور ٹول ایجنٹ: Terminal-Bench جیسے ماحول میں commands چلانے، tools استعمال کرنے، شواہد کی بنیاد پر اگلا قدم شروع کرنے اور کامیابی/ناکامی کے credentials سے پیش رفت کو کنٹرول کرنے کے لیے۔
ریاضیاتی استدلال اور مقابلہ جاتی حل: AIME/ArXivMath جیسے مشکل استدلالی کاموں کے لیے؛ متعدد sampling کے بعد بیرونی فیصلے کے ذریعے قابلِ تکرار حل محفوظ کرتا ہے اور صرف ایک بار کے جواب پر انحصار کم کرتا ہے۔
سائنسی حساب اور نظری طبیعیات کی تحقیق: ریمان ζ، کوانٹم فیلڈ تھیوری اور اسیمپٹوٹک گریویٹون جیسے مطالعات میں ساختیں تجویز کرنے اور ثبوت کے خلا کی نشاندہی کرنے میں معاون۔