让模型在执行后继续学习：动作特定信用分配提升 Image-to-TikZ 渲染成功率至 92.70%

研究提出"执行后学习"框架，将程序执行结果作为中间状态而非终点反馈，让同一策略在此基础上再进行一次学习交互，并用动作特定信用分配区分初始动作与纠正动作的贡献。在 Image-to-TikZ 的 945 个留出样本上，单次调用渲染成功率达 92.70%，高于继续单阶段 GRPO 训练相同迭代次数后的 88.25%，且这种执行后纠正能力无法由单阶段训练复现。代码已开源。