多轮交互

MM-ReCoder：以强化学习与自纠正推进图表到代码生成

MM-ReCoder: Advancing Chart-to-Code Generation with Reinforcement Learning and Self-Correction

把可执行环境的反馈作为奖励信号，用两阶段多轮 GRPO 训练 MLLM 自我纠错，这一范式可直接迁移到视觉到代码类任务（如 UI 到代码、图表理解、视觉程序合成），也为视觉语言模型引入执行级验证提供了可复用训练流程。