学生反复做同一套卷子，久了不是背熟答案，就是一直卡在难题上。视觉语言模型（VLM——能同时理解图像和文字的模型）也有类似问题：RLVR（用可自动核对的答案做强化学习）通常依赖固定题库，模型进步后，有效反馈会越来越少。
VICO的关键做法，是同时训练答题者和一个“环境改写者”。后者不随意生成图片，而是修改场景图、图表底层表格或非关键图像区域，再用程序重新渲染并核对答案，尽量保证新题仍可验证。它还根据答题者的通过率调节难度，把题目维持在“有挑战但并非无解”的学习前沿，无需新增人工标注。
作者报告，VICO-8B在八个分布外基准上平均领先最强自进化基线4.3%，并以少16至160倍的标注样本达到与图表专项RLVR方法相近的表现。结果尚属论文自述，但它最值得关注的不是又扩了一批题，而是让出题方式本身也进入训练循环。