（来源：上观新闻）
根据团队发布👴的论文，🇨🇲🐶Worl🇭🇲🏠d-R1 的🕥💮解法是将🔳🇦🇶 3D 一💟致性约束转化🖱✉为强化学习的🚿奖励信🚄号： 生成视频后😎，用 D🚇epth Any💻thing 🇨🇳👖3 重建 3D🇦🇲GS 场景并从®🇲🇻新视角渲染； 将👹🇻🇨重建误差🗨、镜头轨迹🌄🧟♂️偏差、新💙视角可🍄😈信度（Qw⛈🍤en3-V🔷L 评分）合并为🍑奖励信号； 🌖🍎通过 Flow🥋🍮-GRPO 🛁算法反♾️馈给视频模型，🎗💓谷歌工具令其逐步内💰🌠化 3D 规⛸🇮🇹律； 每训练🔢 100 步🌃🦹♀️插入一↙🐒轮「动态微🚰调」，防止几何🖱约束压制人物运动🇦🇷🏊♀️等动态效果🇱🇹🔸。
第二层叫 🛬AI 🍒应用 App🔏🌛licati😱🗣on，🚂👶里面有 A🐖🤱I 节↩🧣点、A🇮🇲😍I 字段🍸。”AI-G🛀ROW正是为回答💫⛪这三类焦虑而🐨生🚆📢。更稳定👺、更省to🇧🇪🆔ken🔸、效果更🇵🇳好🐧。最后我📠🇭🇹想把唱吧那😾位张楚楚的话再🛃引一遍🇹🇫。
