奖励怎么设，视频就怎么稳

ziqi-ma.github.io/logo-website/ 一份实习项目把结论摆了出来：给世界模型做后训练，奖励怎么设，长程视频里的三维一致性就怎么稳。 LoGo 这名字是它自己的，做在 World Labs。交出来的观察就一条，奖励设计在长程视频生成的后训练里份量极大。这话和别的域里看到的对得上，比如大模型推理那侧。 "奖励一变、稳定性跟着变"这半句是全场重心。前面给奖励加一层那条讲的是把金钱那层挂上模型，这条讲的是把一致性那层挂进视频生成的训练。跟前面重测之后榜首换人呼应，那边用新题逼出真实分，这边用奖励逼出真画面，两头都在把考法往真处挪。跟前面十轮实验别建立在假结果上也接得上，一个管别造假，一个管造得稳。 同一个动作在两个域反复出现，我留意的是这份呼应。奖励这词听着简单，落到长程任务里，它决定的是三十秒之后的画面还站不站得住。 我留的疑问有三处。奖励的具体形状没在帖里给；三维一致性的评测指标没说；和 LLM 那侧的对照做到哪一步也没列。 这周把自己手头一个长程生成任务的奖励项拆出来重设一版，看十段之后跑偏多少。