清华团队发布 VeriLoopE2:外部证据掌握提交权,覆盖 9 项基准评测
量子位 · wechat · 2026-10-11
清华大学深圳国际研究生院团队投稿量子位,发布 VeriLoopE2 系统与「循证收敛递归」(VGR) 方法,核心是把模型的「探索权」与「提交权」拆开:模型负责提出与修订候选,外部固定验证合同决定什么能写入状态链。候选必须先外显为可检查制品,只有全部受保护证据维度不退化且至少一项严格改善(Pareto 支配)时才被提交,防止「总分更好但局部回归」。
要点:
- VeriLoopHarness 负责任务装配、工具调用、验证器调度、回滚与证据绑定;同一套证据语义也用于组织后训练监督,让模型学习「更易提出可提交候选」
- 已完成 9 项公开 Benchmark 评测,覆盖仓库级软件工程、真实终端、长程代码修复、竞赛数学与高难度科学问答
- 发布 BF16 至 IQ1M 的官方 GGUF 量化版本,并以冻结 BF16 参照测量 PPL、KL 散度等保真指标
- 科研 Demo:黑洞信息问题方向,限定在渐近引力辐射重建,6 组可执行证书全部 PASS,明确不宣称解决完整悖论
- 面向开发者的编程智能体 Voder 已列入研发计划
权重与技术报告已在 Hugging Face 和 OpenReview 开放。
所属事件:清华发布 VeriLoop E2：外部可验证证据掌管递归推理提交权(2 条相关)→
「研究」频道最新
- Sakana AI 提出 MASS:多智能体自监督驱动递归自我改进 — hardmaru · 2026-10-13
- 为编程任务微调 LLM 准备后训练数据像「黑魔法」,难点全在细节 — ayushthakur0 · 2026-10-13
- JQD:DM 推出特别工作流专刊:用共享 skill 文件把 LLM 纳入论文评审 — manoelribeiro · 2026-10-13
- 区分「理解深度」与「保持力」:仅看行为无法诊断模型真实能力 — burny_tech · 2026-10-13
- BudgetPix 自适应分词：25% 算力匹配全算力像素扩散图质 — _akhaliq · 2026-10-13
- SoftwareGym 合成 GUI 训练环境,OSWorld 成绩相对提升 37% — _akhaliq · 2026-10-13