清華團隊開源 VeriLoop E2，以外部驗證決定推理狀態提交
清華團隊開源後訓練模型 VeriLoop E2，由獨立外部 Verifier 決定候選狀態能否獲得提交資格，而非依賴模型內部置信度。該模型以 Qwen 3.8-27B 為基礎，面向程式碼、數學與物理三類可外部驗證任務，並同步發布標準權重與覆蓋 BF16 至 IQ1_M 的 GGUF 量化版，其中 Q6_K 為 20.566 GiB，比 BF16 小 58.96%。
把驗證結果從用於糾錯推進為同時定義狀態提交語義與後訓練樣本語義，並公開 9 項 Benchmark 實測與各 GGUF 檔位的 PPL、KLD 資料，對在本地部署程式碼與數學推理模型的人最有用。
原標題：黎曼猜想临界线零点比例下界达67.35%：清华团队开源模型VeriLoop E2叩开可验证智能之门
閱讀原文
| 評分 | 85 / 83（平均 84，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
Jev 走紅，NeurIPS 2025 論文 ConfTuner 早已探索相似思路
TypeSafe AI 的 Jev 模型近期走紅，其介面可直接返回預設選項、分數或事件機率，供程式碼呼叫，但未開源、架構未公開。NeurIPS 2025 入選論文 ConfTuner 提出 Tokenized Brier Score，僅用對錯標籤即可訓練置信度機率分佈，在 LLaMA、Qwen、Ministral 上把平均 ECE 從 0.2768、0.3781、0.4393 降至 0.1082、0.2872、0.1884，4 張 A40 上約 4 分鐘完成微調。
AI 設計的開源加速卡 openTPU 跑通十餘款模型
一個由 AI 設計的開源 AI 加速器 openTPU 已在真實 PCIe 卡上跑通十餘款模型的真實權重，輸出與 bit-exact 模擬器逐位一致。硬體是 Xilinx Kintex-7 xc7k480t 加兩路 DDR3，LFM2.5-230M int8 解碼 59.0 tok/s、4-bit 達 85.8 tok/s；解碼受 DRAM 頻寬限制，實測跑到峰值的 82%-94%。
物理學家用 Claude 打造 BootLoops 開源科研工具
物理學家 Matthew Schwartz 發布開源工具 BootLoops，作為 LLM 的科研 harness，用於定量科學中的精確計算。他發現當前模型不擅長像人類科學家一樣工作，但擅長特定「Claude 形狀」的問題，於是讓 Claude 自主尋找適配其能力的問題，結果連線到生態學、群體遺傳學等十幾個領域。BootLoops 可搭配任意模型使用，Schwartz 與領域專家合作，將其引導向各領域真正關心的問題。
新基準 VA-Bench 測 12 個多模態模型，完整任務成功率約一半
VA-Bench 用 14 類機器人操作任務、280 個物理驗證場景測試 12 個主流多模態模型，發現目標識別與定位可達 100%、操作語義理解接近 100%，但完整任務成功率最高的 Qwen3.8-max、Opus-5、GPT-5.6-sol 分別只有 53.93%、52.86%、51.55%。測試中模型先觀看成功示範影片，但拿不到物體座標與專家軌跡，需自行決定是否消耗步數切換視角，並直接給出移動距離、旋轉角度與夾爪開合時機。
陳丹琦團隊開源 4B 象棋模型 QUEEN，能下棋也能講解
普林斯頓大學陳丹琦團隊發布約 4B 引數的國際象棋模型 QUEEN，Lichess 等級分 2697，接近特級大師快棋中位數 2730，且能用自然語言解釋自己的著法。做法是把 Lc0 的 BT5 網路經門控交叉注意力逐層接入 SmolLM3-3B，先用四階段問答課程教模型讀棋，再用七輪迭代搜尋蒸餾提升。它在 1000 道戰術題上首步不失誤率 91.6%，領先 Gemini-3.1-Pro 約 9 個百分點；