上海交大等联合团队发布AI自进化工业Coding模型iCoder-27B

上海交通大学人工智能学院、深势科技、无尽前沿与新加坡国立大学联合团队发布了一款由Agent主导开发的工业Coding模型iCoder-27B。该模型在RTLLM、VerilogEval等工业Coding基准上超越同尺寸的Qwen3.6-27B，进入前沿模型竞争区。

据介绍，团队让Agent参与模型开发的完整流程，包括数据演化、SFT冷启动、同策略自蒸馏和可验证奖励强化学习（RLVR）。Agent负责选择实验、诊断失败并反复修改训练策略，人类专家则提供目标、权限边界、训练SOP与可信验证器。评测数据显示，iCoder-27B的RTLLM得分从49.6提升至68.0，VerilogEval Spec-to-RTL从70.1提升至86.3，KernelBench L2正确任务数从28增至74，约为原来的2.64倍。在部分复杂RTL任务上，iCoder仍落后于一些闭源模型，但已在芯片RTL与GPU Kernel两条技术栈上展现出竞争力。

此次实验将前沿模型开发视为长链路压力测试。Agent在训练过程中多次遭遇数据分布偏差、奖励漏洞和基础设施故障等问题，并通过调整训练目标、引入哨兵值和修改轨迹预算等方式修复流程。团队表示，iCoder的意义在于让AI不仅写出更好的代码，也开始参与制造下一代模型。