78.6
ChartMimic
82.6
Design2Code
29%
GRPO render budget
10/10
个人兴趣
01 · CLOSEST MATCHarXiv:2606.10334 · 2026-06-09
执行 student 代码，再用 render 教回 code
Visual-SDPO 把 screenshot、rubric 和 error 当 teacher-only context。
来源：Abstract；Tables 1-31 / 9
02 · FAILUREarXiv:2606.10334 · 2026-06-09
Executable code 仍会生成明显错误的 artifact
Overlap
元素重叠
Clipping
文字被裁
Alignment
布局错位
Contrast
可读性不足
来源：Introduction2 / 9
03 · LOOParXiv:2606.10334 · 2026-06-09
训练环闭合在 student 自己的 artifact 上
1Code
student on-policy
2Execute
renderer/browser
3Observe
screenshot/error
4Teacher
score same code
5Update
KL + GRPO
来源：Method overview3 / 9
04 · CREDITarXiv:2606.10334 · 2026-06-09
不是每个 code token 都该为 defect 负责
w(token∈stmt) = 1 + (α−1) · max IoU(stmt regions, defects)
visual region 先映射到 statement，再放大 implicated token 的 distillation weight。
来源：Visual-Grounded Code Credit Weighting4 / 9
05 · INSTRUMENTarXiv:2606.10334 · 2026-06-09
三类 renderer 使用不同 source map
Matplotlib
artist hook + stack frame + bbox
HTML
source metadata + browser rectangle
Slides
python-pptx shape construction hook
来源：Method implementation5 / 9
06 · RESULTarXiv:2606.10334 · 2026-06-09
Visual feedback 稳定超过 reference-code OPSD
| Benchmark | OPSD | GRPO | Visual-SDPO |
|---|---|---|---|
| ChartMimic | 77.0 | 76.2 | 78.6 |
| Design2Code | 78.6 | 80.0 | 82.6 |
| AeSlides | — | 58.2 | 60.7 |
根据 Tables 1-3 重绘6 / 9
07 · FAILED EXECUTIONarXiv:2606.10334 · 2026-06-09
代码跑不起来，也还有学习信号
GRPO reward
execution failure → 0
Teacher context
traceback / browser error 仍可输入
来源：Objective description7 / 9
08 · GAME TRANSLATIONarXiv:2606.10334 · 2026-06-09
把 region→statement 扩展成 event→code span
Compile
diagnostic → syntax/type span
Gameplay
event/test → signal/state code
Visual
frame diff → node/property
本文实验设计建议8 / 9
09 · REPRODUCTIONarXiv:2606.10334 · 2026-06-09
最值得做，也最需要补齐公开性
论文给出
principle、formula、benchmark gains
论文缺少
code、α/β、optimizer、detector details
兴趣程度 10/109 / 9