टिंगहुआ टीम ने Qwen3.6-27B पर आधारित एक ओपन वर्टिकल कोडिंग मॉडल, VeriLoop Coder-E1 जारी किया है। यह मॉडल पूरे रिपॉजिटरी स्तर पर कोड फिक्सिंग और एजेंट सॉफ्टवेयर के लिए डिज़ाइन किया गया है। इस मॉडल ने विभिन्न बेंचमार्क पर उच्च परिणाम दिखाए हैं: SWE-bench Verified 85.20, SWE-bench Pro 62.38, Terminal-Bench 2.0 76.40, और DeepSWE 33.63।
32 बिलियन पैरामीटर या उससे कम आकार के सभी ओपन-सोर्स मॉडलों में, VeriLoop Coder-E1 तीन बेंचमार्क में पहले स्थान पर और DeepSWE में दूसरे स्थान पर है। सभी ओपन-सोर्स मॉडलों के साथ तुलना करने पर, इसने क्रमशः दूसरा, पहला, पहला और पांचवां स्थान प्राप्त किया।
इस विकास का मुख्य लाभ PEFT विधि का उपयोग करके एक संकीर्ण क्षेत्र में फाइन-ट्यूनिंग है, जिसे सेल्फ-हर्नेस का उपयोग करके समन्वित किया जाता है। Qwen3.6-27B के फ्रीज किए गए बेस लेयर के साथ, परियोजना केवल थोड़े से प्रशिक्षित मापदंडों का उपयोग करके टूल कॉन्ट्रैक्ट्स का पालन करने, निष्कर्षों के साथ सबूतों को जोड़ने, अनिश्चितताओं की पहचान करने, सत्यापन विफलताओं की व्याख्या करने, स्थानीय मरम्मत और रोलबैक नियंत्रण को मजबूत करती है, जिन्हें सरफेस होस्ट के हटाने योग्य एडेप्टर के माध्यम से लोड किया जाता है।
सेल्फ-हर्नेस मल्टी-राउंड चेन को नियंत्रित करता है: पहला राउंड समस्या विवरणों, रिपॉजिटरी संदर्भ, इंटरफ़ेस बाधाओं और स्वीकृति मानदंडों के आधार पर उम्मीदवारों को उत्पन्न करता है। बाद के राउंड उत्पन्न कोड को पुन: संकलित करते हैं, त्रुटि रिपोर्ट, टूल लॉग, इंटरफ़ेस संघर्षों और प्रति-सबूतों की जाँच करते हैं, और उन्हें संरचित मार्कडाउन कार्य पैकेजों में पैक करते हैं। यह मॉडल को यांत्रिक अनुरोध दोहराव के बजाय सत्यापित परिणामों के आधार पर स्थानीय रूप से खंडित समस्याओं को ठीक करने की अनुमति देता है।
यह चक्र साक्ष्य द्वारा संचालित एक बंद लूप है, न कि केवल कोशिश और त्रुटि का दोहराव। प्रत्येक जनरेशन राउंड को प्रति-सबूतों के लिए जांचा जाता है, अन्वेषण, समीक्षा और पुन: सत्यापन किया जाता है; केवल सत्यापित सुधार अगले चरण तक पहुँचते हैं। जब सत्यापित सुधार भविष्य की समस्याओं का पता लगाने, साक्ष्य की परिभाषा और सुधारों के कार्यान्वयन के तरीकों को बदलते हैं, तो चक्र 'साक्ष्य-संचालित स्पाइरल' मोड में चला जाता है, जो 'खंडन-अन्वेषण-मरम्मत-सत्यापन-आंतरिकीकरण' श्रृंखला का पालन करता है।
टीम पुनरावृत्तीय आत्म-सुधार की अवधारणा पर पुनर्विचार कर रही है: यह एक ऐसी प्रणाली नहीं है जो लगातार खुद को संशोधित करती है, बल्कि साक्ष्य द्वारा समायोजित तरीके हैं जो त्रुटियों का पता लगाने, मूल्यांकन करने और ठीक करने के सिस्टम के दृष्टिकोण को बदलते हैं, जबकि वे नए साक्ष्यों के रूप में मिथ्याकरणीय बने रहते हैं। कार्ल पॉपर पर भरोसा करते हुए, अप्रमाणिकता एक कमी है। जांच पास करना यह नहीं दर्शाता है कि पुनरावृत्ति हुई है; पुनरावृत्ति थ्रेशोल्ड केवल तभी पार होता है जब सुधार हस्तांतरित पद्धतिगत कमियों को उजागर करता है, भविष्य के सुधार तंत्रों में प्रवेश करता है और अज्ञात त्रुटियों का पता लगाने और मूल्यांकन के तरीके को बदलता है। सीमा जानबूझकर निर्धारित की गई है: मॉडल की संपत्ति खुली रहती हैं, जबकि सेल्फ-हर्नेस नियंत्रण स्टैक बंद रहता है।
