文章导读
代码大模型在生成文本时常陷入简单的反复修改，难以实现真正的逻辑进化。清华大学深圳国际研究生院刘厚德团队发布的开源模型VeriLoop Coder-E1，通过引入循证原理与自驱式闭环智能体框架，将代码生成、测试反馈与错误修正组织为可持续迭代的闭环，使系统能基于证据改变未来纠错的方式。在SWE-bench Verified等多个基准评测中，该模型展现出强劲性能。这种从文本生成向仓库状态理解演进的路径，将如何重新定义代码智能体的自我进化能力？
— 内容由好学术AI分析文章内容生成，仅供参考。
近日，由清华大学深圳国际研究生院智能机器人实验室研究员刘厚德牵头、博士后王立博负责研发的开源代码模型“循证（VeriLoop Coder-E1）”正式发布。该模型通过宿主侧表层参数高效微调适配器与自驱式闭环智能体运行框架协同，将代码生成、工具调用、测试反馈、错误修正和回归控制组织为可持续迭代的闭环，为代码智能体由程序文本生成向仓库状态理解、修改执行与结果验证演进提供新方案。
传统反复修改与VeriLoop 递归式自我改进路径对比
该系统基于循证原理：循证不是用信息为既有结论提供装饰或支持，而是让证据能够挑战并改变系统当前的认识、行动或未来探究方式。团队据此改良了递归式自我改进机制：系统不是反复修改自身，而是经证据纠正的方法，改变未来如何发现、判断和纠正错误，并且这一方法仍然允许被新的证据再次推翻。这意味着系统不会仅因“能改变自身”而实现改进，只有当证据开始改变它“未来如何改变自身”时，递归式自我改进才真正发生。
在公开软件工程基准评测中，VeriLoop Coder-E1在验证软件工程基准（SWE-bench Verified）得分85.20、专业版软件工程基准（SWE-bench Pro）得分62.38、终端任务基准（Terminal-Bench 2.0）得分76.40、软件工程智能体基准（Deep SWE）得分33.63。
除代码智能系统外，团队还自主研发了面向智能硬件的多模态交互智能体“丸子”，将语音、视觉、记忆和性格设计为按需启动的能力：用户说话时调用语音交互，需要理解周围环境时开启视觉，涉及过去信息时检索或写入记忆，并根据不同对象和场景加载相应的性格与表达方式。
在该技术方向，实验室已获得五项发明专利授权，相关专利形成了从模型底层稳定性、循证闭环推理到通用编程智能体执行控制与多模态交互的完整技术链条。
供稿：深圳国际研究生院
编辑：李华山
审核：王晓霞
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
这个闭环迭代思路挺有新意的