（来源：上观新闻）
。根据团队🕰😟发布的论文，Wo🕞rld-R👞📀1 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 Depth👫 Any🕙thing 3 🦹♀️重建 3DGS😎 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🖌🇨🇬（Qwen🔢🦹♀️3-VL🙍♂️ 评分）合并为🇲🇵奖励信号； 📓通过 Flo😾🍮w-GR🥁PO 算法反🇺🇲🏯馈给视频模型，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🦴。
根据团队发布🌵的论文，🇳🇦World🧞♂️-R1 的解⌚法是将 3🔩🔨D 一致性约🈯🍻束转化🇹🇲🏯为强化🥏学习的奖🌟励信号： 生成视🔴🌔网站建设优化哪家公司好频后，用 🇧🇾Depth An🐎ything 🛑😼3 重建 3🔋DGS 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（Q🦁wen3🍍👨🌾-VL 😽🇰🇾评分）合📖并为奖励信号；💭💻 通过 F🇰🇼low❣-GRPO 算🇨🇮法反馈🤙👱♀️给视频模🇨🇲型，令↪⏹其逐步内化⚫🌃 3D 规律🌵↩； 每训🦞🕣练 10😭🇾🇪0 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🔊。
