VeriLoop E2 – 27B可验证递归智能大模型

VeriLoopE2 是基于 Qwen3.8-27B 做后训练得到的 27B 参数开源大模型，采用 Apache2.0 协议开放权重，核心依托 VGR 循证收敛递归机制构建智能体运行链路。模型负责生成候选方案、拆解任务、诊断错误并迭代修订，结果变更需要外部验证器裁决，不允许模型自行确认状态更新。该模型在代码智能体、终端操作、数学推理、科学问答等多类基准测试完成评测，配套 GGUF 量化版本，适配本地推理场景，面向长周期复杂任务降低推理过程中的状态退化问题。

VeriLoopE2特点

采用外部验证器管控状态更新，候选方案必须经过校验才可写入状态链。

提供 BF16 至 IQ1_M 多档 GGUF 量化权重，适配不同显存硬件本地部署。

长时序任务执行时保护已满足约束条件，迭代过程不会破坏已验证成果。

完整记录每一步推理轨迹，运行过程可回放、可比对差异。

内置终止预算机制，任务达到设定步数自动停止，规避无限循环。

支持 MCP 协议工具调用，工具参数执行前完成格式校验拦截异常调用。

VeriLoopE2技术原理

基于 VGR 循证收敛递归架构，将模型生成与状态裁决拆分为两个独立单元。VeriLoopE2 承担候选生成、问题重构、策略调整工作，外部验证器依据预设约束合同评估每一轮产出。

状态更新遵循严格规则，新候选必须保证原有受保护约束不退化，同时至少一项指标获得提升，才会替换原有状态。不满足条件时系统保留已验证状态，将失败证据回传给模型开启新一轮迭代。训练阶段同步绑定证据语义，优化目标偏向产出可校验的候选结果。

VeriLoop E2项目地址

• HuggingFace模型库：https://huggingface.co/tsinghua-sigs-robot-lab/VeriLoop-E2

VeriLoopE2功能

复杂代码任务生成与仓库级工程修复，完成长代码项目迭代修改。

终端智能体操作，调用系统命令执行文件管理、程序部署等操作。

数学竞赛与高难度科学问题推理，分步推导并校验计算过程。

任务轨迹记录，输出可回放的 JSONL 运行日志，留存每一步决策记录。

工具调用，通过 MCP 协议对接外部工具，校验入参并捕获调用异常。

多精度推理，不同量化权重按需切换，平衡运行速度与输出质量。

VeriLoopE2应用场景

代码智能体研发，搭建具备校验能力的程序开发自动化系统。

长周期科研任务，分步完成资料检索、推导、实验方案迭代。

本地大模型推理部署，在消费级硬件运行带验证机制的智能体。

AI 安全与可验证性研究，用于递归智能体架构的对照实验。

自动化运维场景，执行终端操作，减少误操作带来的系统风险。

大模型评测实验，在代码、数学、终端任务基准上测算模型性能。

VeriLoopE2使用教程

1. 获取 VeriLoopE2 模型权重，选择对应量化版本，准备支持大模型推理的 GPU 环境。

2. 配置 VeriLoopHarness 调度组件，完成验证器、状态持久化、回滚模块参数设置。

3. 编写任务约束合同，定义需要保护的规则与判定标准。

4. 输入目标任务，设定最大迭代步数，开启任务执行。

5. 查看每一轮候选输出，验证器自动评估结果，不达标则自动触发迭代重试。

6. 任务结束后导出 JSONL 轨迹文件，复盘每一步决策与校验记录。

7. 对接 MCP 工具，扩展文件读写、命令执行等外部能力。

VeriLoopE2同类产品对比

表格