清华团队开源VeriLoop Coder-E1：以循证螺旋驱动可验证的递归式自我改进

清华大学深圳国际研究生院团队于 2026 年 7 月 29 日发布 VeriLoop Coder-E1，基于 Qwen3.6-27B 构建，面向仓库级代码修复与智能体式软件工程任务。据机器之心报道，模型在 SWE-bench Verified 得 85.20，SWE-bench Pro 62.38，Terminal-Bench 2.0 76.40，DeepSWE 33.63。

截至 2026 年 7 月 27 日，在 32B 及以下开源模型中，VeriLoop Coder-E1 在 SWE-bench Verified、SWE-bench Pro 和 Terminal-Bench 2.0 中排名第一，DeepSWE 排名第二；在全部开源模型中分别排名第二、第一、第一和第五。数据来源为 Hugging Face 排行榜，但文章强调基准评测仅反映特定任务分布下的相对表现，不能推断真实环境整体能力。

VeriLoop Coder-E1 的核心是窄域 PEFT 微调与 Self-Harness 协同。冻结基座，仅训练少量参数强化工具契约遵循、证据-结论绑定等能力，适配器可拆卸加载。Self-Harness 将任务组织为多轮执行链，每轮生成候选后，通过反驳、定向探究、修订、验证，只有通过验证的纠正才进入下一轮。

团队将这一机制定义为循证螺旋，遵循「证-伪-探-修-验-化」逻辑：收集证据、检验假设、针对缺口探究、按失配层级修复、验证有效性、将经验压缩为未来规则。这不同于简单增加推理轮次，而是让每轮调用由新证据改变判断方式。

团队认为，仅修改自身组件不能证明真实改进，若目标与评价假设未受检验，修改越深越可能固化偏差。他们重新定义递归式自我改进：经证据纠正的方法改变系统未来如何发现和纠正错误，且该方法仍可被新证据证伪。

运行中，验证通过的修订不会直接成为永久规则，而是登记为方法候选，仅在后续独立任务中实际调用并改变证据义务、工具选择等，且再次获得证据支持时，才写入新纠错方法。若后续证据冲突，可缩小范围、降级或回滚。

团队以 Apache 2.0 开放模型权重、Tokenizer、配置、部分 PEFT 适配器及评测材料，但 Self-Harness 完整实现暂不开放，因其是复杂运行时控制平面，决定系统能否成为通用 Code Agent。团队下一阶段将商业化重心转向通用 Code Agent。

发布不足 48 小时，巴西等第三方开发者制作并发布 GGUF 量化版本，支持 llama.cpp、Ollama 等本地推理。截至 2026 年 7 月 30 日，原始仓库单日下载 413 次，GGUF 仓库 955 次。第三方还报告模型抗抹除能力强，200 次尝试后拒绝率从约 95% 降至约 82%，但此数据未经官方确认。

团队愿景不同于以单体模型为中心的 AGI 路径，强调系统需形成可修正的状态表征，预测行动后果，并在现实推翻预测时改变未来提问与行动方式。软件工程是检验这一观点的严格起点，因为代码仓库提供环境状态，测试与运行轨迹提供外部证据。

通用 Code Agent 将预测代码、依赖、接口变化，执行后以 Git Diff、测试日志对照预测，出现失配即重新探究或回滚。团队表示将继续在公开评测与真实任务中竞争，但不会只在别人挖好的坑里继续铲土。