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

Coder- E1 背后的循证螺旋

自编码器E1的核心优势, 源自窄域概率增强特征变换微调, 以及自我的协同作用。

将Qwen3.6 - 27B基座进行冻结, 在此基础上, 该项目凭借少量可训练参数来强化模型针对真实软件工程任务的专门技能, 这其中涵盖工具契约遵循、证据 — 结论绑定、不确定性识别、验证失败解释、局部修复与回滚边界控制；与之相应的微调权重借助可拆卸的Host外挂予以加载, 并不会对原始基座权重进行改写。

Self-负责把这些能力组织成围绕同一任务不断持续收敛的多轮执行链, 首轮按照问题描述、仓库上下文、接口约束以及验收条件来生成候选产物, 后续轮次又将已生成代码、测试错报、工具回执、接口冲突、反证结论还有修复约束重新编译成不一样的结构化工作包, 让模型在继承已经确认的结果上面, 针对被证据否定的局部问题持续进行分析和修复, 而非对同一提示做机械重试。官方模型与技术博客见 —。

该团队所提出的方案, 证实了Loop, 早已不再限定于仅仅在同一方法的内部, 进行反复的试错行为, 而是已然形成了一条闭环, 这条闭环是由证据持续地予以约束, 并且持续推动着的: 每一轮的生成过程, 都必然要接受反证、探索、评估、修订以及复验, 并且只有通过了验证的纠正形式与解决办法, 才具备相应的资格, 得以进入到下一轮当中, 进而对后续的方法选择, 产生影响。

当系统并非仅仅修正当下结果, 而是让经过验证的纠正进一步致使未来发现问题、界定证据、发起探查以及实施修复的方式发生改变时, 这一闭环便上升为所强调的循证螺旋（-）。这一执行链依照「证 — 伪 — 探 — 修 — 验 — 化」的循证逻辑。关于其完整概念界定, 详见官方技术博客。

图1, 存在着一种循证螺旋, 它具有证、伪、探、修、验、化这样的验证门控, 以及方法级递归改进机制。

遵循证据并非是运用信息去给既有的结论提供装饰或者支持，而是要求证据能够对系统当前的认识、行动或者未来探究方式发起挑战并且改变它们, 循证螺旋更进一步把这种可以纠正的性质组织成为跨轮次的演化机制, 使得经过验证并且边界清晰明确的纠正, 不但能够修复当前的结果, 还能够改变系统在下一轮次里怎样界定问题、选择证据、发起探查、实施修复以及决定停止。

在其中, 此一机制被详细具体地化作一种连续的链条, 链条内容为「证」, 接着是「伪」, 然后是「探」, 再然后是「修」, 随后是「验」, 最后是「化」。

据此, Loop并非单纯增添提示词长度、推理轮次或者模型调用次数, 而是令每一次调用都因上一回轮次所生成的全新证据而变通它的判断方式, 更替它的探索途径以及修正它的修复办法, 从而促使一次性代码生成转变为可加以反证、能够进行回滚、可以实施验证并且有能力积累有效经验的软件工程闭环。

通向递归式自我改进之路

当系统已然可以反复去生成, 之后修订并验证结果, 那真正的问题就不再是「能不能修改自身」, 而是, 什么会致使一次纠正有资格进入后续的纠错机制呢?

代表着一类前沿愿景, 把递归式自我改进理解成人工智能渐渐参与进而承担后续系统的设计, 再进行开发, 接着开展验证, 让这一轮获取的能力持续增强下一轮的研发能力。

但于构建Coder - E1之时, 团队发觉, 即便系统能够针对工具策略, 以及记忆、评价器、训练流程, 甚至是模型本身作出修改, 可这仅能表明自我修改权限得以扩展, 无法表明真实改进已然出现；要是目标、证据、评价和继承标准仍为同一组未经检验的假设所掌控, 那么修改程度越深, 奖励缺口、评价偏差以及认知盲点越易于固着于更高层级的机制之中。

由此, 团队对递归式自我改进作出重新的定义, 它并非是系统一次次地对自身进行修改, 而是借助经由证据纠正过后的方法, 开始促使和改变系统在未来, 是以怎样的方式看待、判别以及纠正错误的, 并且此方法依然能够被新出现的证据再度证伪。

一种理论倘若没办法被任何能够设想出来的事件给反驳掉, 那它就不是科学理论。不具备可反驳性并不是理论本身所拥有的优点, 尽管不少人常常持有这样的看法, 然而恰恰是它自身存在的缺陷。

—— 卡尔・波普尔，《猜想与反驳》

循证螺旋把这一可反驳性转变成递归式自我改进的认识与工程门控, 系统先是界定当前主张、假设以及证据边界, 接着为这些提出可观察的失败条件, 探究仅仅针对足以改变判断的决定性缺口, 修订作用于和失配相对应的层级, 这既能够修复当前结果, 又可以调整问题分解、证据义务、工具选择、验证策略或者停止条件, 验证门随后检验修订是不是真正解决失配、能不能在相关变化下保持成立, 还排除随机波动、评价器漏洞与环境偶然。

通过验证, 却依旧并不等同于递归已然发生；唯有在纠正揭示出了可迁移的方法性缺陷, 此缺陷被融入未来的纠错机制里, 并且在后续任务当中, 实际致使未知被发觉的方式、证据被获取的方式、错误被判断的方式以及修复被实施的方式出现改变时, Loop才切实跨越递归阈值。

在运行层面, Coder-E1 有 Self-维护任务锚点, 还有证据义务, 以及版本化状态。每一轮, 首先会依据当前假设、行动方案、探究方向以及停止条件来生成候选, 接着在反驳阶段, 会将候选转化为可进行检验的主张, 并且提出可观察到的失败条件；要是仍然存在足以改变决策的未知情况, 那么系统就会登记对应的证据义务, 接着调用代码检索、静态分析、测试、运行 Trace 或者其他工具去获取带来源的观测了, 而且只准许可采纳并且能够改变判断的结果来更新系统状态。

图 2｜已验证纠正进入未来方法的运行轨迹及递归阈值判据机制

过后, 系统按照失配出现的层级展开修订, 继而把修订好的产物送进验证门, 与此同时查验原始失败、相关执行路径、回归测试以及错误归因。

遭遇验证失败之际, 当下的修订遭到拒绝, 流程回转至反驳或者定向探究；当验证得以通过的时候, 此修订同样不会径直变成永久规则, 而是被记录为具备证据集合、适用范围、触发条件、失效边界以及回滚路径的方法候选。

先得是这一候选方法, 在后续独立任务里被实际调用, 接着它要实实在在改变证据义务生成方式、把对应的工具选择改变、将验证按照不同组织展开, 也要在修订怎么定位上有所不同, 并且再次得到证据支持, 这时才行它才会在此处被写入新的纠错方法, 方能完成从当下的结果纠正状态转变到未来方法更新, 作出这次重要的跃迁。

这个时候, 纠正不再单纯地去解决一次任务了, 而是开始对系统未来会怎样发觉、判别以及纠正错误产生改变, Loop才切实地跨越递归阈值；此后假设后续证据和它形成冲突, 那么该方法依旧能够被缩小实际适用范围、进行降级处理、实施回滚操作或者予以撤销。

开源边界：开放模型资产，保留 Self- 控制栈

团队按照2.0许可证, 开放了Coder-E1的模型权重、配置文件、部分软件工程窄域PEFT适配器以及评测材料, 开发者能够在许可证允许的范围内, 进行下载、部署、修改模型, 组合适配器, 展开二次研究与应用开发, 开放的内容包含模型侧的代码理解、生成与推理能力, 还涵盖由窄域PEFT注入的工具规范、不确定性表达、回滚意识和证据绑定等专业行为。

Self-的完整实现目前还没有开放, 它跟提示词集合或者是普通Agent脚本不一样, 它实际上是一个复杂的运行时控制平面, 是把一次的软件工程任务编译成好多轮、分阶段并且相互约束的模型调用, 可不是那种同一的机械重试, 不同轮次分别有着候选生成、反证、定向探究、修订和验证等职责, 还会接收由动态构造出来的结构化工作包, 这里面一直带着任务契约、代码上下文、前轮产物、工具回执、测试错误、证据缺口、失败归因以及修复边界。

单独维护假设, 维护行动, 维护探究方向, 维护证据义务, 维护方法版本, 维护停止条件, 把检索、测试、静态分析以及运行轨迹组织成可追溯的证据事务, 借助上下文隔离, 进行状态更新, 完成证据采纳, 走过验证门, 实现方法晋升, 开展预算治理, 实施权限控制, 执行失败回退, 进行版本回滚, 以此决定何时继续调用模型, 调用哪一阶段, 向其提供哪些证据, 还有哪些修订能够执行或者被后续任务继承。窄域PEFT给出专业能力, Self -去把这些能力构建成能验证、能回滚、能递归继承的多轮执行进程。

此外, 完整的Self-还涵盖任务编排方面, 包含工具与验证器路由, 涉及失败归因环节、方法继承部分、安全边界范畴及处于真实软件工程环境里的运行基础设施, 这直接对系统能否从代码生成模型升级成为一种通用Code Agent起到决定性作用, 这种通用Code Agent要能够理解仓库、执行修改、验证后果并承担回归责任。团队在下一阶段会把通用 Code Agent 当作主要的研发以及商业化方向, 所以要开放其技术原理, 开放其系统边界, 开放其评测依据, 并且还要保留生产实现, 以此来兼顾学术方面的可验证性, 兼顾开源使用, 兼顾核心产品壁垒。

发布首日即获国际社区量化适配

在Face开源不足48小时后, Coder-E1就被巴西以及其他第三方开发者主动制作并发布了GGUF低精度量化版本还有二次研究, 其基于公开权重完成部署侧转换, 让其能够脱离原始高精度运行环境, 借助llama.cpp、LM等本地推理工具运行而且可进一步部署为本地兼容接口, 因此, Coder-E1的使用边界从服务器级原始权重部署扩展到了更低显存、更有限内存以及个人设备环境?与此同时, 依据第三方公开披露出来的成果来看, 该模型展现出了具有很强的抵抗「抹除」（）的能力。经过了200次对此进行的尝试行为, 它的拒绝比率仅仅是从大概95%下降到了约82%。

截至二零二六年七月三十日, 在模型上线首日的统计窗口里, Coder - E1原始仓库单日下载量达成四百一十三次, 第三方GGUF量化仓库单日下载量达到九百五十五次。这表明模型刚完成公开发布, 国际开源社区就已围绕其展开权重获取、低精度量化、本地部署以及工具链接入等行动, 社区对于模型的关注已快速转化为实际使用行为。相关第三方衍生仓库见 —。

有这么一个版本被称作 GGUF 版本, 它是针对 Coder-E1 公开模型权重弄出来的第三方部署扩展, 这里并不涵盖那种生产级的 Self-, 并且它不会去改动这个模型原来的技术归属以及原始发布关系。它的价值体现于, 一些第三方开发者在发布的第一天就主动地把计算以及工程资源投入进来, 目的在于给模型搭建一个相比于正常方式成本更低的本地运行路径, 这也就表明了, 此时的 Coder-E1 , 已经开启了从实验室发布成果转变为让国际开源社区进行实际下载、部署以及再开发的应用历程。

从代码生成到状态后果建模：

以 Self- 推进通用 Code Agent

开端是权重开放之处。对于团队而言, 下一阶段会将研发以及商业化的重点转移至通用 Code Agent 之上: 底层依据模型作为能被置换的推理核心, 生产级 Self 负责去维护任务契约、仓库状态、证据义务和方法版本相关事宜, 还要编排分工清晰的多轮模型调用以及工具的执行举动, 并把自然语言目标转变为可被观察、可被反驳、可被验证、可被回滚的状态变化。系统于执行之前, 会预测代码之变化, 亦会预测依赖之变化, 还会预测接口之变化以及运行行为之变化, 在执行完毕之后, 又会借助 Git Diff、编译结果、测试日志以及运行 Trace, 将预测与现实进行对照, 一旦出现失配情况, 便会即刻重新展开探究、实施回滚或者进行重构计划事项。通用 Code Agent 因此情形, 并非仅仅是生成代码而已, 却是能够做到预测、执行并且对行动所产生之后一果负相关责任。

不像以持续扩展基础模型能力进而为中心的AGI愿景, 通用人工智能并非首先被理解成那种参数较多、知识更为广泛的单体模型。关键的要点在于, 系统是不是能形成可修正的状态表征, 是不是能预测出自身行动的后果, 在不确定的状况下开展规划以及执行, 并且当现实推翻初始预测之际, 不但单单修改当下的答案, 而且还改变后续将怎样去提出问题、获取证据、挑选行动以及做出判断来判定是否完成。预训练能够带来知识输出, 模型给予能力助力, 惟智能需于状态、行动以及后果达成一个封闭循环环节之际, 才会切实展现；循证还进而提出来苛求, 结论方面与之相关, 方法层面亦是关联, 就连验证机制本身, 都不允许授受享有颠扑不破的特殊权力。AGI所作并非趋近于那般全盘皆知, 而是在所处更为宽敞多样的环境里, 持续不断地去靠近、缩小针对行动所生成后果的预测误差, 并且始终自始至终地留存拥有被现实状况给予校正、纠正这番能力。

软件工程, 是检验这一观点的, 最为严格的起点, 代码仓库, 提供环境状态, 修改以及工具调用, 构成真实行动, 编译、测试、依赖、性能, 还有运行轨迹, 给出无法由语言叙事替代的, 外部证据。团队会继续推进通用, Code Agent, 并且在公开评测, 以及真实工程任务中, 与国内外前沿系统, 展开良性竞争, 然而不会只在别人挖好的坑里, 继续铲土。研究的意义, 不在于被谁铭记, 而是在于探索未知, 并且把经得起证据检验的事情, 做下去。正如电影《八仙》所说：「只要做对的事，人人都是无心昌。」

数据来源与相关模型仓库：

官方模型与技术博客

斯坦福大学深圳研究院机器人实验室有个代号为编码器-E1的东西, 它针对脸部相关, 时间是2026年。