（来源：上观新闻）
根据团队发👩👩👦布的论文，👷♀️⛪Wor🥶ld-🚚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 Dep⚱🤱th Anyth🧣1️⃣ing 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（Qwen3💞-VL 评分）合🏠🕝并为奖励信🇼🇸👨👩👦👦号； 通过 🏘🎏书新版好还是旧版好Flow-GR🈳🤱PO 🌌算法反🇹🇩😓馈给视频模型，令⏩其逐步内化 3👗🔲D 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👀🧰。
他们基于飞书🕞项目做了一👨⚕️🛤个专门针对↩🕎汽车行业🕳🗳的AS🍾❕PICE插件🚱，过去一年🦏👩🎤拿下15家🧚♀️大型智能汽车企业🚲🏀客户，在🇸🇽国内智能📢👩💻驾驶TOP🧪 20💹书新版好还是旧版好公司中😔覆盖率已🇧🇴经很高了🤷♀️👨🎤。
她说，现在网上有🌑👊个词叫👶👨⚖️「把同事🔉蒸馏成👆skill」，听🕟🐭着挺残酷🥐。大量浮点运算、灵🔖书新版好还是旧版好活的动态调度🍦🇲🇦、配合🧨高带宽显存（HB🈳M）实现的极高🇭🇲吞吐，✈让它在模型训练💔👔书新版好还是旧版好场景中有着几乎无🤗🏮可替代🐍💠的地位🌃。
