从网页、图表到 SVG：程序是否可执行，与渲染结果是否符合指令，是两件需要分别检查的事。
公开种子代码、网页、图片、化学结构等来源
候选程序拆分、补写、重生成，变成可执行单元
逐题评分代码检查 + 视觉检查
训练模型筛 2M SFT；同一标准再给 RL 奖励
论文要解决的中心问题，是大规模视觉代码数据怎样有质量地进入训练。
数据先有种子，Table 4 三列不能求和
原论文 Table 4 · p.19 · CC BY 4.0；点开读完整英文表。
Seeds公开数据、GitHub、论文图、网页等。
Regenerated对已有候选重写、修复。
Synthesized从保留样本继续扩增。
三列是处理阶段计数，不是最终 2M 的互斥来源。
论文 §4.1、Appendix A–B；Table 1、4来源细节 ↗
候选要先运行，再评分；中分样本带反馈重做
数据筛选低分丢弃，中段带失败项反馈重生成，高分保留并可作新种子。
强化学习SFT 以后新采样的代码也执行、渲染，用同一 rubric 变成奖励。
原论文 Figure 2 · p.4 · CC BY 4.0流程解释 ↗
代码 5/5 全过，截图只过 1/5
Reference：服务按钮完整
Synthesized：页脚盖住 Service 3
1.00Code rubric，五项全过
0.182Vision rubric，0.8 / 4.4
78 / 100整体 judge 仍给较高分
0.182 是视觉项的加权得分，并非最终混合奖励。原论文 Figure 3，p.5，CC BY 4.0。
论文 §3.1、Appendix C Table 6逐项计算 ↗