（来源：上观新闻）
他们形容自己的业🥏📚务是「小瀑布🚼🐰，大敏捷」🕳💟。Vasilje🚷🕵vic 告诉🧲我们，像 Moo🇺🇿🕚nshot AI🕧 的 Kim🇧🇿i K2 这样的🐹其他前沿模型🔀🚴正在开发中，她🚵♀️的团队已经开发了🔤🥃一个基于 P👹🧾ython 🔕📟的编程😌㊗接口，用🦃🇬🇩于编写⬛优化的内核，⌨🌕以便不🦵🚃断将新模型引⛹️♀️🐖入该平台🔆🥘。
步步高能见效8️⃣😒，恰恰因为它收缩🇧🇪规模、聚👩焦区域🤪。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🧣geo是什么缩写视频后，用 D🇰🇿epth A☃😞nythi😞ng 3🥵 重建 3DG🎿📓S 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 🇦🇹😙Flow-G🤸♂️RPO 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🇲🇩。
