VeriLoop E2 Faoliyat yuritmoqda

VeriLoop E2 — Tsinghua universiteti Shenzhen xalqaro magistratura maktabi Robototexnika laboratoriyasi tomonidan ochiq manba sifatida taqdim etilgan, Qwen3.8-27B asosidagi, kod, matematika va fizika bo‘yicha mulohaza yuritishga mo‘ljallangan 27B post-trening modeli; Apache-2.0 litsenziyasi va mahalliy 262K kontekstga ega. VeriLoop E2 ning asosiy VGR mexanizmi “model taklifi”ni “tashqi tekshiruv/doimiy saqlash”dan ajratadi. Nomzod holat faqat himoyalangan dalil koordinatalarida yomonlashish bo‘lmasa va kamida bitta qat’iy yaxshilanish mavjud bo‘lsa topshiriladi; aks holda ortga qaytariladi. Model muvaffaqiyatni o‘zi tasdiqlay olmaydi.

Ochiq manbali post-trening modeli: Qwen3.8-27B asosidagi 27B model, Apache-2.0 litsenziyasi ostida og‘irliklar va tokenizer taqdim etilgan, mahalliy kontekst hajmi 262,144 tokens; vLLM 0.17.0 orqali OpenAI bilan mos shaklda xizmat ko‘rsatish mumkin.
Kod va agent imkoniyatlari: repozitoriy darajasidagi dasturiy ta’mirlash, terminal/asboblarni bajarish kabi vazifalarni qamrab oladi; e’lon qilingan natijalar orasida SWE-bench Pro 76.2%, Terminal-Bench 2.1 88.8%, DeepSWE v1.1 64.6% mavjud.
Matematik va ilmiy mulohaza: olimpiada matematikasi hamda murakkab ilmiy savol-javoblarga mo‘ljallangan; AIME 2026 98.3%, ArXivMath 100%, GPQA Diamond 93.9%, Apex 2025 89.6% natijalari qayd etilgan.
Dalillar bilan yopiq ilmiy namoyish: Riman ζ nollarining 67.350003708785593% ulushi uchun qat’iy chekli o‘lchamli sertifikat, shuningdek asimptotik graviton tomografiyasi uchun T1–T9 ramkasi va 6/6 dan o‘tgan bajariladigan sertifikatlar to‘plami taqdim etilgan.
Audit qilinadigan muhandislik shartnomasi: uzoq davom etadigan vazifalarni chegaralangan, test qilinadigan va kuzatiladigan holda saqlash uchun 14 ta Golden Rules ochiq e’lon qilingan; muvaffaqiyatni soxtalashtirish, resurs byudjetini keyinga qoldirish yoki mahalliy kelishuvlarni bekor qilish qat’iyan taqiqlangan.
Aniq chegaralar: ishlab chiqarishdagi VeriLoop Harness, xususiy orkestratsiya va trening ma’lumotlari kiritilmagan; ilmiy materiallar model litsenziyasidan alohida; natijalarni Riman gipotezasi yoki qora tuynuk axborot paradoksi hal qilingan deb talqin qilib bo‘lmaydi.

WeChat’da kuzatib boring va “开源” deb javob yuborib, AI ochiq manbali loyihalar guruhiga qo‘shiling
VGR ning umumiy mexanizmi: VeriLoop-Governed Recurrence bitta vazifani saqlab qolingan holat atrofidagi nomzod holatlar o‘tishi sifatida modellashtiradi: model o‘rganilgan proposer sifatida nomzod yashirin o‘zgarishlar yoki nomzod materiallar yaratadi, o‘zgarmas decoder ularni chiqishga aylantiradi, tashqi verifier esa o‘zgarmas shartnoma asosida himoyalangan dalil rangini qaytaradi; nomzod rangi joriy rangni zaif dominant qilsa va kamida bitta koordinatada qat’iy yaxshilanish bo‘lsa, u atomar tarzda topshiriladi. Aks holda joriy bundle to‘liq saqlanadi va faqat rad etilgan o‘zgarish tadqiqot xotirasiga yoziladi.
Himoyalangan qisman tartib va atomar topshirish: verifier shartnomasi tartiblangan majburiyatlar ro‘yxati O=(o1​,…,om​) va rang vektori r∈N0m​ ni belgilaydi; koordinata qanchalik kichik bo‘lsa, qolgan buzilishlar shunchalik kam bo‘ladi. Topshirish predikati χt​=1{rt′​≺P​rt​} har bir koordinatada yomonlashmaslikni va kamida bitta koordinatada qat’iy yaxshilanishni talab qiladi. Shu sababli umumiy ballning yaxshilanishi bitta nuqtadagi regressiyani yashira olmaydi; taqqoslab bo‘lmaydigan yoki regressiv nomzodlar doimo rad etiladi. Topshirish birligi bog‘langan material, yashirin holat, tekshiruv natijasi va qisqacha ma’lumotni birlashtiruvchi CertifiedBundle hisoblanadi. Rad etilganda butun bundle o‘zgartirilmasdan saqlanadi, bu ortga qaytarish va qayta ijro etishni ta’minlaydi; butun sonli potensialning kamayishi qat’iy topshirishlar soni chekli ekanini ko‘rsatadi.
Dalil qaytimi va rad etilgan izlanish: har bir urinishdan so‘ng dalillar kompilyatori Γ joriy tekshiruv obyektini almashtirishdan oldin “joriy natija — nomzod natijasi — topshirish qarori” asosida modelga ko‘rinadigan, chegaralangan xususiyatlarni hisoblaydi; masalan, ranglar yig‘indisi va siqilishi, yaxshilanish/yomonlashish/o‘zgarishsiz qolish ulushi, topshirish va nol rang indikatorlari. Ular faqat keyingi taklifni shartlash uchun ishlatiladi va topshirish huquqiga ega emas. Rad etilgan o‘zgarish Et​ tadqiqot xotirasiga kiradi; u keyingi qidiruvga ta’sir qilishi mumkin, ammo himoyalangan holatni bosa olmaydi. Shu tariqa muvaffaqiyatsizlik izi “ma’lumotli, ammo doimiy emas” bo‘ladi.
Post-trening nazorat interfeysi: VGR yorliqlari vazifa darajasidagi holat o‘tishlarida aniqlangani sababli, E2 post-trening uchun 1,841,831 ta strukturaviy yozuvdan foydalanadi: tekshirilgan qat’iy rivojlanish harakatlari tuzatuvchi nazoratni, topshirib bo‘lmaydigan nomzodlar taqqoslama salbiy misollarni, nol rangli materiallar esa yakuniy generatsiya maqsadini beradi. Yo‘qotish funksiyasi juftlikdagi afzallik logistic hadi, harakat NLL va generatsiya NLL ning vaznli yig‘indisidan iborat; QLoRA-4/bfloat16, gradient checkpointing, qobiliyat yo‘nalishi bo‘yicha marshrutlash va protected-core replay qo‘llanadi. Hisobotga ko‘ra, bu o‘rganish jarayonida “takliflar taqsimoti”ni yaxshilaydi.

Modelni olish: Hugging Face’dan tsinghua-sigs-robot-lab/VeriLoop-E2 ni yuklab oling, repozitoriyda mavjud tokenizer, chat template va konfiguratsiyani saqlang.
Muhitni tayyorlash: Python 3.12.x, PyTorch 2.10.0 + CUDA 12.9, Transformers 4.57.6, Triton 3.6.0 ni o‘rnating va python -m pip install "vllm==0.17.0" buyrug‘ini bajaring.
Xizmatni ishga tushirish: 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 buyrug‘ini bajaring.
Avval tutun testini o‘tkazing: http://127.0.0.1:8001/v1/chat/completions manziliga temperature: 0 bo‘lgan kichik so‘rov yuboring; rasmiy trafikni ulashdan oldin 8001_OK kabi javob qaytganini tasdiqlang.
OpenAI protokoli bo‘yicha chaqiring: model="veriloop-e2" bilan /v1/chat/completions dan foydalaning; Python tomonida OpenAI(base_url="http://127.0.0.1:8001/v1", api_key="EMPTY") orqali mijoz yarating.
Shablonni protokolning bir qismi deb biling: rollar ajratkichlarini, asbob chaqirish sintaksisini, to‘xtash semantikasini yoki mulohaza tarixining formatini almashtirmang; og‘irliklar o‘zgarmasa ham bunday almashtirish asboblardan foydalanish va tizim xatti-harakatini o‘zgartirishi mumkin.
Uzoq kontekst resurslarini rejalashtiring: e’lon qilingan tokenizerning mahalliy chegarasi 262,144 tokens, ammo ochiq tekshiruv xizmati uzunligi 131,072 tokens; uzunroq oyna uchun videoxotira va KV cache’ni o‘zingiz baholang.
Model va Harness vakolatlarini ajrating: E2 faqat taklif, abstraksiya, diagnostika va ta’mirlash uchun javob beradi; dalilni qabul qilish, deterministik tekshiruv, topshirish/ortga qaytarish, tugatish va doimiy saqlashni o‘zingizning verifier/Harness’ingiz amalga oshirishi kerak.

Generatsiya va tekshiruvni ajratish: model faqat taklif, diagnostika va ta’mirlash uchun javob beradi; tashqi Harness qabul qilish, ortga qaytarish, tugatish va doimiy saqlash huquqini to‘liq egallaydi, bu modelning muvaffaqiyatni o‘zi tasdiqlashining oldini oladi.
Regressiyadan himoyalangan topshirish qoidasi: VGR faqat “himoyalangan dalil koordinatalarida yomonlashish bo‘lmasa va kamida bitta qat’iy yaxshilanish mavjud bo‘lsa” topshiradi; umumiy yaxshilanish bitta nuqtadagi ortga ketishni yashira olmaydi.
Atomar ortga qaytarish va xavfsiz muvaffaqiyatsizlik: rad etilgan nomzod to‘liq CertifiedBundle’ni saqlaydi; muvaffaqiyatsizlik izi qayta ishlatilishi mumkin, ammo tekshirilgan holatni bosmaydi.
Nazorat signali haqiqiy tekshiruvdan olinadi: post-treningda afzallik/NLL maqsadlarini tuzish uchun qat’iy rivojlanish, topshirib bo‘lmaydigan salbiy misollar va nol rangli yakuniy matnlardan foydalaniladi.
Kuchli umumiy qobiliyat: 27B o‘lchamda kod agentlari, terminal ijrosi, matematika va ilmiy mulohazani qamrab oladi; SWE-bench Pro 76.2%, AIME 2026 98.3%, GPQA Diamond 93.9% kabi natijalar qayd etilgan.
Uzoq kontekst va ochiq xizmat: mahalliy 262,144 tokens kontekst, Apache-2.0 og‘irliklari va vLLM 0.17.0 orqali tekshirilgan OpenAI bilan mos xizmat yo‘li taqdim etiladi.
Faqat ballarni emas, audit qilinadigan dalillarni taqdim etadi: baholash dalillari to‘plami vazifa bilan bog‘langan identifikatsiya, chiqish, mahalliy ijro/baholash yozuvlari, o‘tish va muvaffaqiyatsizlik holatlari hamda yaxlitlik metama’lumotlarini o‘z ichiga oladi.

HuggingFace model ombori: https://huggingface.co/tsinghua-sigs-robot-lab/VeriLoop-E2
Texnik maqola: https://openreview.net/pdf?id=P6FIQILHwX

Repozitoriy darajasidagi kod ta’miri: SWE turidagi vazifalarda patchlar yaratish, regressiyalarni tashxislash va test/baholovchi orqali ularni saqlash yoki rad etish uchun ishlatiladi; “o‘zgartirish albatta tekshirilishi kerak” bo‘lgan texnik xizmat ko‘rsatish holatlariga mos keladi.
Terminal va asbob agentlari: Terminal-Bench turidagi muhitlarda buyruqlarni bajaradi, asboblardan foydalanadi, dalil asosida keyingi qadamni ishga tushiradi va o‘tish/muvaffaqiyatsizlik ma’lumotlari orqali jarayonni davom ettirish yoki to‘xtatishni boshqaradi.
Matematik mulohaza va olimpiada masalalarini yechish: AIME/ArXivMath turidagi murakkab isbotlarga yo‘naltirilgan; bir necha marta namuna olingach, tashqi baholash orqali qayta tiklanadigan yechimni saqlaydi va faqat bitta javobga tayanish xavfini kamaytiradi.
Ilmiy hisoblash va nazariy fizika tadqiqotlari: Riman ζ, kvant maydon nazariyasi va asimptotik graviton kabi tadqiqotlarda konstruksiyalarni taklif qilish hamda isbotdagi bo‘shliqlarni aniqlashga yordam beradi.