摘要
视觉到代码生成要求像素级对齐，仅靠监督微调难以实现。针对强化学习中奖励粗糙和探索停滞两大难题，本文提出 UniCoder 框架。首先引入符号属性对齐机制，利用辅助 LLM 解析代码属性以计算细粒度奖励；其次设计参考引导的代码优化策略，向低性能组注入真实轨迹以引导策略改进。实验表明，该 8B 模型在多个基准上超越开源基线，达到专有模型水平，确立了视觉代码合成的新范式。
AI 推荐理由
论文核心研究代码生成技能，通过 RL 提升多模态模型将视觉转为可执行代码的能力。
研究机构
The Chinese University of Hong Kong
Shanghai Artificial Intelligence Laboratory
论文信息