Alexa+ 设备的屏幕会在对话中展示动画图标，以视觉方式强化语义。最初的图标全部由设计师手绘，质量高但耗时，难以覆盖开放式对话的海量话题。我们在生产环境部署了一条全自动流水线，仅凭文本描述即可生成矢量动画图标，并根据用户当前对话实时推送相关动画。流水线分为图像生成、语义拆解、矢量化、样式化和动画五个阶段，其中图像生成是质量的根基，后续所有步骤均依赖其输出。由于图标需在小尺寸画布上遵循严格的设计规范，直接生成的图像常常不符合生产要求，且缺乏符合这些约束的线稿数据集，无法进行监督微调。为此我们构建了客观验证器，自动检测违背设计规范的生成结果，并将其作为可验证奖励，使用强化学习从验证奖励（RLVR）对生成模型进行微调。微调后模型在独立的视觉语言模型（VLM）评审下的合格率从 15.7% 提升至 58.7%，提升约 3.7 倍。训练好的模型和验证器均已上线，验证器同时充当最终人工审查前的自动质量关卡。\n\n点评：通过 RLVR 将设计约束内化为可学习的奖励，实现了从手工到大规模生成的跨越，为对话式设备的视觉交互提供了可持续的内容供应方案。