RULER 用逐指令六项评分表做强化学习奖励，把 Qwen3-8B 的 SVG 生成评分从 0.432 提到 0.693，追平更大的 DeepSeek-V3
该工作先用 900 个由 Claude-Opus-4.6、Qwen3-32B、Qwen3-8B 生成并经人工打分的 SVG 样本证明，让视觉语言评判模型按多轴评分表打分，与人类判断的相关性（Spearman 0.7929、Goodman-Kruskal Gamma 0.7574）远高于 CLIP 与美学分数等标量指标，随后提出 RULER：仅凭文本指令为每条指令生成六项实例化评分表，由评判 VLM 对渲染结果逐项打分并加权成奖励，用 GRPO 优化策略，在 MMSVG-Illustration 与 MMSVG-Icon 上把评分表分数从 Qwen3-8B 基线的 0.432 和 0.395 提升到 0.693 和 0.683，超过专用 SVG 模型并追平