الإجاباتمنشور18 المصادر
VeriLoop Coder-E1: درجات قوية، لكن سرّها في منصة تشغيل خاصة
أُبلغ عن نتائج بلغت 85.20 في SWE bench Verified و62.38 في SWE bench Pro و76.40 في Terminal Bench 2.0 و33.63 في DeepSWE، لكنها نتائج منظومة الوكيل كاملة وليست دليلاً على أن الأوزان المفتوحة وحدها تعيد إنتاجها. يعتمد المشروع على نموذج مبني على Qwen3.6 27B، مع وحدات PEFT متخصصة، بينما تتولى Self Harness الخاصة إدارة سي...
نشر بواسطةتم التحرير باستخدام GPT-5.6 Terraتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- أُبلغ عن نتائج بلغت 85.20 في SWE bench Verified و62.38 في SWE bench Pro و76.40 في Terminal Bench 2.0 و33.63 في DeepSWE، لكنها نتائج منظومة الوكيل كاملة وليست دليلاً على أن الأوزان المفتوحة وحدها تعيد إنتاجها.
- يعتمد المشروع على نموذج مبني على Qwen3.6 27B، مع وحدات PEFT متخصصة، بينما تتولى Self Harness الخاصة إدارة سياق المهمة والاختبارات والأدلة والتحقق والتراجع عن التعديلات.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Tsinghua Shenzhen International Graduate School Intelligent Robotics Laboratory’s open-source VeriLoop Coder-E1—built on Qwen3.6-27B. Article summary: VeriLoop Coder-E1’s headline scores appear to be results of a complete prototype agent system—not of the downloadable 27B checkpoint alone. The reported gains come from pairing narrow-domain PEFT behavior modules with a . Topic tags: general, education, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
تُفهم نتائج VeriLoop Coder-E1 على نحو أدق بوصفها نتائج طبقة نموذج ضمن وكيل أكبر لإصلاح مستودعات البرمجيات. فقد أعلن فريق مدرسة شنتشن الدولية للدراسات العليا التابعة لجامعة تسينغهوا عن درجات 85.20 في SWE-bench Verified، و62.38 في SWE-bench Pro، و76.40 في Terminal-Bench 2.0، و33.63 في DeepSWE. لكن هذه الأرقام تخص إعداد VeriLoop القائم على الأدلة، الذي يستخدم منصة تشغيل إنتاجية باسم Self-Harness غير مفتوحة المصدر. 1
21
الفارق الجوهري: أوزان النموذج أم النظام الذي جرى اختباره؟
النموذج المتاح للعامة هو نموذج برمجي قائم على Qwen3.6-27B، بحجم 27 مليار معلمة، وموجّه للاستدلال على الشيفرة وفهم المستودعات وتوليد مخرجات هندسية مثل التعديلات البرمجية. وتصفه صفحته على Hugging Face بأنه نموذج عمودي مفتوح المصدر لهندسة البرمجيات، ومرخّص بموجب Apache-2.0. 5
21
لكن وثائق المشروع تصف Self-Harness بأنها طبقة التنفيذ الحاكمة: أي الطبقة التي تحوّل مخرجات النموذج إلى عملية هندسية محدودة النطاق ومضبوطة بالأدلة. وتوضح وحدة «ربط الأدلة» العامة صراحةً أنها صُممت للعمل تحت بيئة VeriLoop Harness، وليست بديلاً مستقلاً عن بيئة التشغيل الكاملة، أو أدوات التحقق، أو طبقة الأدلة، أو التراجع، أو العزل، أو المراقبة. 21
23
لذلك، لا ينبغي قراءة هذه الدرجات باعتبارها دليلاً على أن تنزيل نقطة التحقق المتاحة وتحميلها وحده سيعيد النتائج المنشورة. ما تدعمه المواد المتاحة هو استنتاج أضيق: الأداء المعلن ناتج من النموذج مع سير العمل المحكوم بالـ Harness. ولا تثبت المصادر المقدمة هنا وجود إعادة إنتاج مستقلة للنتائج اعتماداً على الأوزان العامة فقط.
ماذا تضيف وحدات PEFT المتخصصة؟
بدلاً من تعديل أوزان النموذج الأساسي باستمرار أثناء مهمة الإصلاح، يصف VeriLoop قاعدة Qwen ثابتة مقرونة بواجهات PEFT قابلة للفصل، ومخصصة لقدرات بعينها. وتشير المواد العامة إلى أربع فئات: ToolSpec وUncertainty وRollback وEvidence Binding. 5
20
24
وظيفياً، تستهدف هذه الوحدات تحسين قدرة النموذج على اتخاذ قرارات هندسية وإنشاء مخرجات قابلة للاختبار، ومنها:
- عقود الأدوات: صياغة إجراءات الأدوات ومدخلاتها وقيودها وشروط قبولها بصورة قابلة للتنفيذ.
- إدارة عدم اليقين: الفصل بين التشخيصات المؤقتة والنتائج المثبتة.
- ربط الادعاء بالدليل: وصل الاستنتاجات بإيصالات التنفيذ، ثم إصدار حكم صريح وخطوة تالية محددة النطاق.
- الوعي بالتراجع: عدم التعامل مع تعديل لم يُتحقق منه باعتباره الحقيقة الجديدة للمستودع.
20
هذه استراتيجية تخصيص وليست وصفاً عاماً مكتملاً لبيانات التدريب أو للتنفيذ التفصيلي للمحوّلات. فالمواد المنشورة تثبت القدرات المعلنة والدور المقصود لها، لكنها لا تكفي لمراجعة مستقلة لكل قرار في مراحل التدريب أو تنفيذ الوحدات. 20
24
كيف تعمل «الحلقة الحلزونية المحكومة بالأدلة»؟
الفكرة المركزية هي تحويل إصلاح الشيفرة من طلب متكرر للنموذج كي يقترح رقعة أخرى، إلى سلسلة من حزم العمل المقيدة والقابلة للاختبار. ووفقاً لوصف المشروع وجامعة تسينغهوا، يجب اختبار كل تغيير مولَّد؛ وإذا أخفق، يُحلل سبب الإخفاق لتوجيه دورة الإصلاح التالية. 1
3
21
يمكن فهم الدورة عملياً على النحو الآتي:
- بناء حزمة مهمة: تجمع المنصة وصف المشكلة وسياق المستودع وقيود الواجهات وشروط القبول في حزمة عمل منظمة.
3
- توليد مرشح محدود وتنفيذه: يقترح النموذج مخرجاً أو رقعة، ثم تُستدعى أدوات المستودع والاختبارات ذات الصلة.
1
- استخدام الدليل المناقض للتصحيح: تتحدى إخفاقات الاختبارات ورسائل التشخيص وإيصالات الأدوات وتعارضات الواجهات التشخيص أو الرقعة الحالية، بدلاً من أن تؤدي فقط إلى إعادة محاولة غير منظمة.
- إعادة تجميع الحزمة التالية: تدخل الرقعة السابقة والإخفاقات والإيصالات والأدلة المناقضة والقيود الجديدة في جولة عمل منظمة جديدة.
- إصلاح موضعي ثم تحقق: يركّز النظام على موضع المشكلة المعني، ويختبر المراجعة، ثم يقبلها أو يرفضها وفق شروط التحقق واختبارات الانحدار.
- اعتماد التعديل أو التراجع عنه: إذا لم يستوفِ المرشح الفحوص المطلوبة، يُراجع أو يُستبعد، ولا يُعامل بصمت بوصفه تقدماً.
وفي DeepSWE، يذكر سجل التقييم المنشور للمشروع نجاح 38 مهمة من أصل 113، مع احتساب كل نتيجة غير ناجحة على أنها فشل، بما يعطي 33.6283%؛ وهو ما يتسق مع الدرجة المعلنة 33.63، مع تنبيه السجل إلى أن النتيجة منشورة ذاتياً. 17
لماذا يصف الفريق ذلك بأنه «تحسين ذاتي تكراري»؟
لا يدّعي VeriLoop أن التميّز يكمن فقط في قدرة وكيل برمجي على توليد رقع متعددة. فبحسب صياغة الفريق، لا تكتسب الأدلة قيمتها لمجرد تزيين استنتاج مختار مسبقاً؛ بل حين تغيّر الطريقة التي سيبحث بها النظام لاحقاً، ويحكم، ويصحح عمله. 1
ومن هنا تظهر ثلاثة مستويات مختلفة:
- التجربة والخطأ: تفشل رقعة، فيولّد النظام مرشحاً آخر.
- نجاح التحقق: يمرّ مرشح واحد بالفحوص المختارة.
- التحسين المحكوم بالأدلة: تغيّر الأدلة المناقضة المنهجية التالية، مثل تأطير المهمة، أو محور التشخيص، أو نوع الدليل المقبول، أو قيد الإصلاح، أو بوابة التحقق؛ مع بقاء المنهجية الجديدة نفسها قابلة للطعن بأدلة لاحقة.
وهذا ينسجم مع منظور هندسي متأثر بمبدأ القابلية للدحض: ينبغي أن يكون الاختبار قادراً على نقض الفرضية الحالية، أما اجتياز اختبار ما فهو دليل مشروط بالفحوص المستخدمة، لا برهان شامل. والنتيجة العملية الأهم هي إدارة منضبطة للحالة: فصل الملاحظة عن الاستنتاج، وحفظ ما تم التحقق منه، وجعل الفرضيات الفاشلة تقيّد المحاولة التالية. 1
20
21
أما الادعاء الأقوى، أي أن تغييرات المنهجية هذه قابلة للتعميم على نطاق واسع بين المستودعات أو أنها تمثل تحسيناً ذاتياً تكرارياً مستقلاً بالمعنى العام، فلا تزال المعلومات العامة المتاحة غير كافية لإثباته.
لماذا النموذج مفتوح والـ Harness مغلق؟
يفصل المشروع بين خلفية نموذج قابلة لإعادة الاستخدام وبين طبقة التحكم التي تنسّق عملها. فالنموذج ووحدات PEFT العامة يمكن أن يفيدا في التجارب المتعلقة بفهم المستودعات وتوليد المخرجات البرمجية. أما منصة Harness الإنتاجية المحجوبة فتضم التنسيق الذي يبني حزم المهام، ويحافظ على حالة المهمة والإصدارات، ويوجّه الأدلة، ويرتّب المراحل، ويطبق التحقق، ويدير التراجع. 3
21
23
لهذا الفصل أثر مباشر في قابلية إعادة الإنتاج: نشر نموذج لا يعني نشر الوكيل الكامل الذي خضع للتقييم. كما أنه يحدد الادعاء العام للمشروع بدقة أكبر: Coder-E1 هو نموذج الشيفرة المتخصص، وSelf-Harness هي منظومة التنفيذ التي تضبط كيفية استخدامه. وإلى أن تتاح طبقة التحكم هذه أو يُعاد بناؤها بصورة مستقلة، ينبغي تفسير نتائج المقاييس بوصفها نتائج على مستوى النظام، لا خاصية متأصلة في نقطة التحقق المفتوحة وحدها. 1
21
23
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "VeriLoop Coder-E1: درجات قوية، لكن سرّها في منصة تشغيل خاصة"؟
أُبلغ عن نتائج بلغت 85.20 في SWE bench Verified و62.38 في SWE bench Pro و76.40 في Terminal Bench 2.0 و33.63 في DeepSWE، لكنها نتائج منظومة الوكيل كاملة وليست دليلاً على أن الأوزان المفتوحة وحدها تعيد إنتاجها.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أُبلغ عن نتائج بلغت 85.20 في SWE bench Verified و62.38 في SWE bench Pro و76.40 في Terminal Bench 2.0 و33.63 في DeepSWE، لكنها نتائج منظومة الوكيل كاملة وليست دليلاً على أن الأوزان المفتوحة وحدها تعيد إنتاجها. يعتمد المشروع على نموذج مبني على Qwen3.6 27B، مع وحدات PEFT متخصصة، بينما تتولى Self Harness الخاصة إدارة سياق المهمة والاختبارات والأدلة والتحقق والتراجع عن التعديلات.