清华 SIGS 开源 VeriLoop E2：27B 后训练把「验证」放到模型外，SWE-bench Pro 76.2%
清华深圳国际研究生院机器人实验室（SIGS Robot Lab）放出 VeriLoop E2：基于 Qwen3.8-27B 后训练的 27B 开放权重模型，Apache-2.0 许可、262,144 tokens 原生上下文，并配了从 BF16 到 IQ1_M 的完整 GGUF 精度阶梯与公开的评测证据数据集。模型卡给出的九项基准成绩包括 SWE-bench Pro 76.2%、Terminal-Bench 2.1 88.8%、AIME 2026 98.3%、GPQA Diamond 93.9%、Apex 2025 89.6%。
方法上的主张叫 VeriLoop-Governed Recurrence（VGR）：模型只负责提出候选状态、抽象、诊断与修复假设，判断权在模型之外——由 harness 做确定性检查、外部验证、提交或回滚、决定何时停止。保留规则很硬：候选状态只有在让「受保护的证据状态」不发生回退的前提下变好，才会被留下。一句话概括，它把自我改进拆成「模型提议 + 外部裁决」，模型不给自己发合格证。
需要打折看的地方有两处。其一，成绩产生在内部 harness 的冻结评测流程里，仓库明确写明生产版 harness 不包含在发布物中，因此这些分数对第三方来说比普通开放权重更难复现。其二，同批放出的两个科学演示（Riemann ζ 有限维零点、黑洞信息悖论）是独立许可的科研制品，其中 ζ 那份限研究用途、不得商用，与模型权重的 Apache-2.0 不是一套条款。发布方为清华 SIGS 的 Libo Wang，技术报告挂在 OpenReview。
核验记录
模型仓 huggingface.co/tsinghua-sigs-robot-lab/VeriLoop-E2 的 README.md 直读 29,877 字符（含九项基准、VGR 定义、Apache-2.0、262,144 上下文、以及「生产 Harness 实现本身不包含在本仓库」的声明）；HF API search=VeriLoop 得主仓 createdAt=2026-09-22T14:23:55Z、GGUF 仓=2026-09-23T17:39:07Z。模型卡无官方发布日字段，date 取权重公开日（仓库时间戳）；英文媒体（TheNextGenTechInsider，署 9/29）报道更晚，未采用。评测证据数据集与 OpenReview 技术报告（forum?id=P6FIQILHwX）链接取自模型卡，技术报告正文未直读。配图取 HF 社交缩略图，裸请求与带站内 Referer 均 200 / 420,249 字节 PNG 1200×648。
← 上一篇斑马智能端侧全模态 AutoOmni 2.0：23B-A3B 进座舱，称普通任务对标 230B 云模型下一篇 →武汉江岸区法院判 AI 短剧被整部搬运：首次把词元算力成本写进赔偿裁量，判赔 2 万元