VeriLoop Coder-E1更适合被理解为一个仓库级代码修复智能体中的模型层，而不是单靠模型权重就能完整复现的产品。清华大学深圳国际研究生院团队公布的成绩为：SWE-bench Verified 85.20、SWE-bench Pro 62.38、Terminal-Bench 2.0 76.40、DeepSWE 33.63。这些数字对应的是循证驱动的VeriLoop完整运行方案，而其生产级Self-Harness尚未开源。121

先分清：开源模型，不等于被评测的完整系统

公开模型以Qwen3.6-27B为底座，参数规模为270亿，面向代码推理、代码仓库理解和工程产物生成。其Hugging Face页面将其定位为采用Apache-2.0许可证的软件工程开源垂类模型。521

但项目文档对Self-Harness的定位更关键：它是执行控制底座，把模型生成转化为一个有边界、由证据驱动的软件工程闭环。公开的“证据绑定”适配器也明确说明，它应在VeriLoop Harness运行时中使用，不能被当作完整运行时、验证器、证据系统、回滚、沙箱和可观测性组件的独立替代品。2123

因此，不能把这些分数理解为“下载并加载公开检查点，就能复现同样结果”。现有材料支持的结论更窄：已公布的表现来自模型加上受Harness约束的工作流。仅凭公开权重能否独立复现，提供的资料尚未予以证实。

窄域PEFT具体补上了什么

VeriLoop的描述不是在单个修复任务中持续更新基础模型权重，而是将固定的Qwen底座与可拆卸、面向具体能力的PEFT（参数高效微调）模块配合使用。公开材料列出四类能力表面：ToolSpec（工具规格）、Uncertainty（不确定性）、Rollback（回滚）和Evidence Binding（证据绑定）。52024

从功能看，这些适配器意在帮助模型更可靠地处理软件工程中的产物与决策：

• 工具契约：表达可执行的工具动作、输入、约束和验收条件；
• 不确定性处理：把暂定诊断与已证实发现区分开；
• 证据绑定：把结论关联到执行回执，输出明确裁决和有边界的下一步动作；
• 回滚意识：不把未经验证的补丁直接当成代码仓库的新事实。2023

这是一种能力专门化策略，并不等于项目已公开完整训练语料、适配器实现细节或每个训练阶段的所有选择。公开材料能够说明这些能力的目标及角色，但不足以让外部逐项审计完整训练过程。2024

“循证螺旋”如何运转

其核心思路，是把代码修复变成一串受约束、可检验的工作包，而不是让模型针对同一提示词不断再试一次。根据项目及清华方面的说明，每一轮生成的修改都要接受测试；失败后，系统分析失败原因，再据此引导下一轮修复。1321

可以将这一闭环理解为六步：

1. 构建任务工作包：Harness将问题描述、仓库上下文、接口约束和验收条件整合为结构化工作包。3
2. 生成并执行有边界的候选方案：模型提出产物或补丁，随后调用相关仓库工具和测试。13
3. 让反证发挥纠错作用：测试失败、诊断信息、工具回执和接口冲突会挑战当前诊断或补丁，而不是只触发一次无结构重试。1321
4. 重新编译下一轮工作包：下一轮带入此前产物、失败记录、回执、反证结论及新增约束。3
5. 局部修复并验证：系统聚焦受影响的问题区域，测试修订结果，并按验证与回归条件决定接受或拒绝。13
6. 保留或回滚：未通过适用检查的候选方案会被修改或丢弃，不会被悄然视为进展。323

在DeepSWE上，项目发布的评测记录称：113个任务中通过38个，未通过结果均计为失败，得分为33.6283%，与公布的33.63相符；不过，该记录标注为自行发布。17

为什么这被称为“递归式自我改进”

VeriLoop强调的区别，并不只是智能体能连续生成多个补丁。按团队的定义，证据只有在改变系统后续如何调查、判断和纠正时才真正有意义；若只是为既定结论“补充装饰”，则不构成这种改进。1

由此可区分三种情况：

• 试错：补丁失败后，再生成另一个候选方案；
• 验证成功：某个候选方案通过了所选检查；
• 循证改进：反证改变下一步的方法，例如任务表述、诊断重点、可采纳证据、修复约束或验证关卡；同时，这套修订后方法依然允许被后续证据挑战。13

这与工程实践中的可证伪思路相容：测试应有能力推翻当前假设；一次测试通过，只能说明某个候选方案在特定检查下获得支持，并非放之四海皆准的证明。实务上的重点是严格管理状态：区分观察与结论，保存已验证内容，并让失败的假设约束下一次尝试。12021

不过，更强的说法——例如这些方法变更能广泛迁移到不同代码仓库，或已构成一般意义上的自主递归自我改进——仍无法从这里提供的公开信息中得到证明。

为什么模型开源，Harness却未公开

该项目将可复用的模型后端与协调它的控制层分开。模型和公开PEFT产物可用于探索代码仓库推理及工程产物生成；而未公开的生产级Harness则负责工作包编译、任务与版本化状态维护、证据路由、阶段调度、验证执行和回滚管理。32123

这个边界直接影响可复现性：公开一个模型，并不等于公开完整的评测智能体。 更准确地说，Coder-E1是专门化代码模型，Self-Harness则是约束其使用方式的执行系统。在这套控制栈开放或被外部独立复刻之前，这些基准成绩应被解读为系统级结果，而非开源检查点单独固有的能力。12123

VeriLoop Coder-E1更适合被理解为一个仓库级代码修复智能体中的模型层，而不是单靠模型权重就能完整复现的产品。清华大学深圳国际研究生院团队公布的成绩为：SWE-bench Verified 85.20、SWE-bench Pro 62.38、Terminal-Bench 2.0 76.40、DeepSWE 33.63。这些数字对应的是循证驱动的VeriLoop完整运行方案，而其生产级Self-Harness尚未开源。121

先分清：开源模型，不等于被评测的完整系统

公开模型以Qwen3.6-27B为底座，参数规模为270亿，面向代码推理、代码仓库理解和工程产物生成。其Hugging Face页面将其定位为采用Apache-2.0许可证的软件工程开源垂类模型。521

但项目文档对Self-Harness的定位更关键：它是执行控制底座，把模型生成转化为一个有边界、由证据驱动的软件工程闭环。公开的“证据绑定”适配器也明确说明，它应在VeriLoop Harness运行时中使用，不能被当作完整运行时、验证器、证据系统、回滚、沙箱和可观测性组件的独立替代品。2123

因此，不能把这些分数理解为“下载并加载公开检查点，就能复现同样结果”。现有材料支持的结论更窄：已公布的表现来自模型加上受Harness约束的工作流。仅凭公开权重能否独立复现，提供的资料尚未予以证实。

窄域PEFT具体补上了什么

VeriLoop的描述不是在单个修复任务中持续更新基础模型权重，而是将固定的Qwen底座与可拆卸、面向具体能力的PEFT（参数高效微调）模块配合使用。公开材料列出四类能力表面：ToolSpec（工具规格）、Uncertainty（不确定性）、Rollback（回滚）和Evidence Binding（证据绑定）。52024

从功能看，这些适配器意在帮助模型更可靠地处理软件工程中的产物与决策：

• 工具契约：表达可执行的工具动作、输入、约束和验收条件；
• 不确定性处理：把暂定诊断与已证实发现区分开；
• 证据绑定：把结论关联到执行回执，输出明确裁决和有边界的下一步动作；
• 回滚意识：不把未经验证的补丁直接当成代码仓库的新事实。2023

这是一种能力专门化策略，并不等于项目已公开完整训练语料、适配器实现细节或每个训练阶段的所有选择。公开材料能够说明这些能力的目标及角色，但不足以让外部逐项审计完整训练过程。2024

“循证螺旋”如何运转

其核心思路，是把代码修复变成一串受约束、可检验的工作包，而不是让模型针对同一提示词不断再试一次。根据项目及清华方面的说明，每一轮生成的修改都要接受测试；失败后，系统分析失败原因，再据此引导下一轮修复。1321

可以将这一闭环理解为六步：

1. 构建任务工作包：Harness将问题描述、仓库上下文、接口约束和验收条件整合为结构化工作包。3
2. 生成并执行有边界的候选方案：模型提出产物或补丁，随后调用相关仓库工具和测试。13
3. 让反证发挥纠错作用：测试失败、诊断信息、工具回执和接口冲突会挑战当前诊断或补丁，而不是只触发一次无结构重试。1321
4. 重新编译下一轮工作包：下一轮带入此前产物、失败记录、回执、反证结论及新增约束。3
5. 局部修复并验证：系统聚焦受影响的问题区域，测试修订结果，并按验证与回归条件决定接受或拒绝。13
6. 保留或回滚：未通过适用检查的候选方案会被修改或丢弃，不会被悄然视为进展。323

在DeepSWE上，项目发布的评测记录称：113个任务中通过38个，未通过结果均计为失败，得分为33.6283%，与公布的33.63相符；不过，该记录标注为自行发布。17

为什么这被称为“递归式自我改进”

VeriLoop强调的区别，并不只是智能体能连续生成多个补丁。按团队的定义，证据只有在改变系统后续如何调查、判断和纠正时才真正有意义；若只是为既定结论“补充装饰”，则不构成这种改进。1

由此可区分三种情况：

• 试错：补丁失败后，再生成另一个候选方案；
• 验证成功：某个候选方案通过了所选检查；
• 循证改进：反证改变下一步的方法，例如任务表述、诊断重点、可采纳证据、修复约束或验证关卡；同时，这套修订后方法依然允许被后续证据挑战。13

这与工程实践中的可证伪思路相容：测试应有能力推翻当前假设；一次测试通过，只能说明某个候选方案在特定检查下获得支持，并非放之四海皆准的证明。实务上的重点是严格管理状态：区分观察与结论，保存已验证内容，并让失败的假设约束下一次尝试。12021

不过，更强的说法——例如这些方法变更能广泛迁移到不同代码仓库，或已构成一般意义上的自主递归自我改进——仍无法从这里提供的公开信息中得到证明。

为什么模型开源，Harness却未公开

该项目将可复用的模型后端与协调它的控制层分开。模型和公开PEFT产物可用于探索代码仓库推理及工程产物生成；而未公开的生产级Harness则负责工作包编译、任务与版本化状态维护、证据路由、阶段调度、验证执行和回滚管理。32123

这个边界直接影响可复现性：公开一个模型，并不等于公开完整的评测智能体。 更准确地说，Coder-E1是专门化代码模型，Self-Harness则是约束其使用方式的执行系统。在这套控制栈开放或被外部独立复刻之前，这些基准成绩应被解读为系统级结果，而非开源检查点单独固有的能力。12123