VeriLoop-E2：清华开源的27B循证递归大模型

VeriLoop-E2是什么

VeriLoop-E2 是清华大学深圳国际研究生院机器人实验室（tsinghua-sigs-robot-lab）在 Hugging Face 开源的27B参数后训练大语言模型，基座基于 Qwen3.8-27B，开源协议为 Apache-2.0。

该模型主打代码智能体、数学与物理科学推理，核心亮点是配套 VGR（VeriLoop-Governed Recurrence，循证收敛递归） 运行范式。

VeriLoop-E2 权重本身只负责生成候选方案，整套系统依靠独立外部管控框架 Harness 完成校验、状态回滚、结果判定。需要注意：高分评测结果是整套VGR系统联合输出，单独加载模型权重无法复现官方评测分数。

功能特色

1. 强数理与代码智能体能力：在SWE-bench、AIME、GPQA等硬核推理基准上取得优秀成绩，擅长代码仓库修复、工具调用、复杂数学、物理科学问题推导。

2. 循证递归推理机制：模型生成候选结果后交由外部模块独立校验，结果退化则自动回滚至上一有效状态，满足终止条件才停止推理，减少幻觉与错误推导。

3. 超大上下文窗口：原生支持262144 tokens上下文，vLLM部署下可稳定运行131072 tokens长文本任务，适合大型代码库、长篇数理论文处理。

4. 中英双语支持：训练数据集包含百万级多领域样本，覆盖软件工程、工具调用、数理推理，中文、英文任务均可适配。

5. 多引擎部署兼容：原生兼容Transformers、vLLM、SGLang推理框架，支持OpenAI兼容接口，同时支持llama.cpp、Ollama量化本地部署、Docker容器化部署。

6. 完整评测证据开放：全部评测任务输出、评估记录、元数据公开，研究人员可下载核验复现评测过程。

技术细节

• 模型基础信息：参数量27B，基座Qwen3.8-27B；后训练数据集总量1,841,831条样本，覆盖代码智能体、工具调用、数学、科学推理场景。

• VGR循证收敛递归架构

1. 用户输入任务，编译任务合约；

2. VeriLoop-E2生成候选解决方案；

3. 外部Harness框架执行确定性独立校验，比对证据状态；

4. 校验通过且结果有改进：COMMIT，保存当前状态作为下一轮推理起点；

5. 校验失败或结果退化：ROLLBACK，回滚到上一个可靠状态；

6. 满足零秩证书条件，自动终止推理流程。

• 工程约束：配套14条公开工程契约规则，约束智能体长周期任务行为，核心原则包含证据优先、先读代码再修改、禁止伪造执行成功结果等。

• 推荐部署环境：Python3.12、vLLM0.17.0、CUDA12.9，bfloat16精度；支持GPU推理、量化降低显存占用。

  重要说明：模型权重、推理脚本、评测数据集全部开源，但生产版本VeriLoop Harness编排代码并未对外开源，仅开放功能契约。

• 配套科研成果：附带两项独立开源科研制品，分别为黎曼ζ函数有限维证书研究材料、黑洞信息-渐近引力子层析框架，两个制品许可证独立于模型权重，仅用于科研，不可超范围解读研究结论。

应用场景

1. 软件工程智能体：大型代码仓库Bug修复、代码阅读理解、自动化多步骤工具调用，适配SWE-bench类真实开发任务。

2. 高等数学与科学计算推理：竞赛数学、物理理论推导、计算机辅助形式化证明科研，适合AIME、GPQA等高难度数理问题。

3. 长文档科研分析：基于262K上下文，读取长篇论文、技术文档，分步推导、验证科研假设。

4. AI智能体科研实验：用于研究带外部校验闭环的大模型智能体，构建可回滚、可溯源的推理实验系统。

5. 本地私有化推理部署：支持量化部署，科研机构可在本地GPU环境搭建离线推理服务。

使用方法

1. 模型获取：访问Hugging Face项目主页拉取模型权重 tsinghua-sigs-robot-lab/VeriLoop-E2。

2. 基础推理：使用Transformers、vLLM或SGLang加载权重，基础对话推理可直接运行，仅调用模型生成能力。

3. VGR闭环系统（研究用途）：仅模型权重无法启用完整VGR回滚校验能力。开发者需要基于公开的14条工程契约自行实现Harness校验框架，搭建校验+回滚的外部管控流程。

4. 部署选型

• 线上服务：vLLM/SGLang，启用OpenAI兼容接口，支持长上下文；

• 本地轻量化：llama.cpp、Ollama量化，降低显存门槛；

• 容器部署：官方提供Docker部署方案，方便环境统一。

5. 评测复现：下载配套评测证据数据集，按官方评估脚本执行任务，复现评测流程。

竞品对比

对比维度聚焦：底层机制、代码智能体能力、长上下文、是否自带校验闭环

项目	底层机制	代码智能体表现	上下文窗口	校验闭环能力
VeriLoop-E2	VGR循证收敛递归，模型与外部校验解耦	SWE-bench Pro 76.2%	262144 tokens	模型仅生成，外部Harness独立校验回滚（Harness不开源）
DeepSeek-Coder-V2	原生大模型，依靠模型内部推理生成代码	SWE-bench Pro 约60%级别	128K tokens	无原生外部回滚校验，依赖模型自身判断
Qwen2.5-Coder-32B	基座原生代码优化，内部推理	SWE-bench Pro 约65%级别	128K tokens	无原生外部校验闭环，需要用户额外搭建验证脚本

常见问题解答

问：VeriLoop-E2 单独下载权重就能达到官方公布的评测高分吗？

答：不能。官方评测分数是整套VGR系统（模型+Harness校验框架+配套工具链）联合运行得到。Harness生产编排代码没有开源，仅加载模型权重只能获得基础生成能力，无法实现自动校验、回滚逻辑，不能复现SWE-bench、AIME等基准高分。

问：VeriLoop-E2的开源协议是什么，可以商用吗？

答：模型权重使用Apache-2.0许可证，在遵守协议条款前提下可以商用。项目附带的两项科研制品拥有独立许可证（CC-BY-4.0等），这部分内容使用规则独立，需要单独遵循对应协议。

问：VGR架构是什么，它和普通的Self-Critique自我反思大模型有什么区别？

答：VGR是循证收敛递归，核心是模型不做自我判定，校验逻辑放在完全独立的外部Harness。普通Self-Critique是模型自己生成、自己评判自己结果，评判环节依然存在大模型幻觉风险；VGR由外部确定性程序校验，模型无权判定结果是否正确，校验失败直接回滚状态。

问：VeriLoop-E2支持中文任务吗？

答：支持，模型为中英双语训练，中文代码、数学、科研问答任务都可以处理，长文本中文文档解析同样支持。

问：VeriLoop-E2配套的黎曼ζ函数研究成果，是完整证明黎曼猜想吗？

答：不是。该成果是给定解析假设框架下的有限维计算机辅助证明材料，仅为科研中间制品，没有完成完整形式化内核证明，不能理解为黎曼猜想得到证明。黑洞信息相关研究同样限定在自由渐近场景，没有解决黑洞信息佯谬。

问：本地部署最低显存要求大概是多少？

答：27B模型，bfloat16原生推理需要约54GB显存；使用llama.cpp量化后，可以降低显存占用，量化版本会小幅损失推理精度。

相关链接

• Hugging Face模型主页：https://huggingface.co/tsinghua-sigs-robot-lab/VeriLoop-E2

• 技术论文：https://openreview.net/pdf?id=P6FIQILHwX

总结

VeriLoop-E2是清华大学机器人实验室推出的27B开源大模型，依托VGR循证收敛递归范式，把模型生成与结果校验解耦，在代码智能体、高等数理推理任务上展现出很强性能，模型权重、推理脚本、评测数据全部对外开放，支持多种主流推理框架与本地部署，虽然核心的Harness管控框架未开源，完整闭环系统需要开发者自行基于公开契约实现，但仍然为AI智能体、计算机辅助科研推理领域提供了可研究、可复现的开源模型底座。