VETR（Verified Execution Trajectories for Refinement）是一种让视觉代理在可执行的世界表示上递归自我改进的框架。传统的符号图形推理代理只能依据最终渲染图像进行监督，导致改进受限。VETR 在每个任务中保存程序‑渲染对以及受限的运行时观测，并引入执行细化器。细化器把观察到的写入操作和状态变化编译成受约束的备选程序，随后在捕获的运行时状态上检查终点一致性和状态保持条件。通过普通的视觉验证器评估这些备选程序是否满足目标。构造修复过程不需要额外的语言模型调用，但可能需要额外的执行步骤。实验在 BlenderGym（280 项任务）和 BlenderBench（27 项公开任务）上使用 GPT‑5.6‑luna 与 Qwen3.8‑27B 进行评估，VETR 在整体表现上持续超越 BlenderAlchemy 与 VIGA 等已有方法。受控消融实验表明，在固定的生成‑交互上限下，执行细化和角色不对称证据组织分别贡献了显著的性能提升。
点评