UniCoder：通过符号奖励和参考引导的代码优化实现统一的视觉到代码生成

视觉到代码生成将科学绘图、矢量图形和网页转换为可执行脚本，需要一定程度的像素精确对齐，而标准多模式 大语言模型 (MLLM) 无法单独通过监督 微调 (SFT) 实现。虽然强化学习 (RL) 提供了弥补这一差距的理论途径，但其应用受到两个基本障碍的阻碍：(1) \textit{奖励粗糙度}，其中 CLIP 分数等语义指标无法惩罚细粒度的元素偏差；(2) \textit{探索停滞}，其中稀疏、异构的代码搜索空间阻止策略引导有效轨迹。为了克服这些限制，我们引入了 UniCoder，这是一个集成了两种新颖机制的统一 RL 框架。首先，我们提出 \textbf{Symbolic Attribute Alignment}，它采用轻量级辅助 LLM 将生成的代码解析为离散的视觉属性（例如，十六进制颜色、坐标限制），从而实现密集的、按元素的奖励计算。其次，为了逃避局部最优，我们设计了 \textbf{Reference-Guided Code Optimization}，一种将 真值 轨迹动态注入表现较差的采样轨迹组的策略，将盲目探索转变为指导策略改进。在 ChartMimic、UniSVG、Design2Code 和 ScreenBench 基准测试上进行的大量实验表明，我们的 8B 参数模型不仅超越了所有开源基准，而且还实现了与专有模型相当的最先进的性能，为通用视觉到代码合成建立了新的范例。