VBVR-Pro：可执行视觉推理验证器

Fidelity：核心机制的程序化验证。 本地复刻 task-specific deterministic scorer 与标量 judge 对照，不训练视频生成大模型。

论文信息

项目	内容
论文链接	arXiv 2608.26105
公司/机构	南洋理工大学 / VBVR Community（第一作者第一署名单位为南洋理工大学）
首次公开日期	2026-08-26（arXiv v1）
原文开源代码	是：项目页与公开资源
Adapter	vbvr-pro
本地复现代码	src/auto_research/reproductions/vbvr_pro/

原始论文总结

背景与主要改动

通用 VLM judge 容易被流畅输出误导，难以逐实例核对时空状态。VBVR-Pro 为每种任务定义可执行 scorer，把中间状态、约束和最终状态都变成可验证奖励，并据此训练多模态生成模型。

flowchart LR
  Q[程序化视觉任务] --> G[生成轨迹]
  G --> V[task-specific verifier]
  V --> R[过程与终局 reward]
  R --> RL[RLVR]
  RL --> G

原论文关键图

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ R(\tau)=\sum_j\lambda_j\mathbf 1[c_j(\tau)=\mathrm{true}],\qquad \max_\theta\mathbb E_{\tau\sim\pi_\theta}[R(\tau)]. \]

论文离线与线上效果

scorer 人类逐票一致率超过 0.60，高于 GPT-5.5 的 0.54；任务训练九个模型平均总体提升 0.290，无工业线上 A/B。

本地复现

本地对照口径：基线为带噪标量 VLM-judge analogue；实验组为三个确定性 task-specific verifier。300 个程序化任务 reward mean 0.5942 → 1.0000（+68.30%）。

指标见 metrics/procedural-seed42.json。

auto-research reproduce --paper vbvr-pro --dataset-dir data --seed 42

复现边界

该结果只验证 scorer 的确定性和可解释失败归因，不等同于论文七个外部 benchmark 或 14B/19B checkpoint 训练。