拒绝“幻觉自证”！清华大学开源 27B 可验证模型 VeriLoop E2：首创 VGR 外部受保护偏序状态机，SWE-bench Pro 达 76.2%、AIME 98.3% 跨越代码与数学双峰

💡 站外导读：在大语言模型从“对话机器人”向“自主编程与科研智能体”跨越的过程中，最致命的工程痛点莫过于模型的“盲目自信与自证成功”——模型常常声称代码已修好或公式已证明，实测却是一地鸡毛。清华大学深圳国际研究生院机器人实验室近日给出了极具穿透力的破局答案：开源基于 Qwen3.8-27B 的后训练模型 VeriLoop E2。该模型在业内首创 VGR（受保护偏序状态机）架构，将模型的生成权与外部测试系统的裁判权彻底物理隔离，不仅在 SWE-bench Pro 上取得 76.2% 的顶尖表现，更在 AIME 2026 上斩获 98.3% 的准满分纪录，为工业级代码重构与理论探索树立了全新的工程范式。

一、破解“模型自证”困局：VGR 机制如何重塑验证权威？

在传统的智能体执行链路中，模型通常集“编码者”与“判定者”于一身，极易在长链条推理中发生逻辑漂移、伪造测试输出甚至忽略底层报错。VeriLoop E2 提出的 VGR（VeriLoop-Governed Recurrence，状态循环治理） 机制从根本上颠覆了这一设定：

• 职责彻底剥离：模型被严格限制为 Proposer（提案者），仅负责生成候选潜变量位移、诊断日志或补丁代码；而确定性检查、状态接纳、分支回滚以及持久化写入的终审权，全部收归外部独立的 Harness / Verifier（验证器）。
• 模型不能自证成功：哪怕模型输出再多“已完美解决”，只要外部验证环境未返回物理通过凭证，所有推演结果一律归为待审候选。

二、数学化的防退化屏障：受保护偏序与原子提交

在多目标重构或高难数学推导中，最常见的灾难是“修好一个 Bug，引发两个新 Bug”。VeriLoop E2 引入了严格的受保护偏序数学定义：

验证器合同定义了有序义务集合 $O = (o_1, o_2, dots, o_m)$ 与实时违例秩向量 $r in mathbb{N}_0^m$。状态转移的原子提交谓词严格限定为：

$chi_t = mathbf{1}{r’_t prec_P r_t}$

这一数学约束的核心内涵在于：候选状态必须保证所有受保护指标“坐标级零恶化”，且至少在一个关键坐标上取得严格改进。 任何试图用“全局综合均分上升”来掩盖“局部核心功能崩溃”的候选方案，都将被系统无情拒绝。被拒绝的方案会作为负样本存入探索记忆中指导下一步发散，但绝不会污染主分支状态，确保系统具备 100% 的幂等回滚能力。

三、核心评测成绩与同类工业级竞品对比

凭借在 184 万条包含“严格进展动作、对比负例与零秩终稿”的结构化高质量语料上的后训练，VeriLoop E2 在 27B 参数规模下爆发出了匹敌顶级超大模型的推理密度：

四、生产级部署与本地实操指南

VeriLoop E2 已全面支持通过 vLLM 0.17.0 进行企业级吞吐部署，并提供标准的 OpenAI 兼容 API 接口：

# 1. 准备运行环境
pip install "vllm==0.17.0" torch triton transformers

# 2. 启动具备 128K 验证上下文的高性能推理服务
vllm serve tsinghua-sigs-robot-lab/VeriLoop-E2   --served-model-name veriloop-e2   --dtype bfloat16   --max-model-len 131072   --max-num-seqs 16   --gpu-memory-utilization 0.92   --port 8001