以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Group Relative Policy Optimization (GRPO) has advanced generative model post-training in verifiable domains such as code and mathematics, but evaluating video quality, especially emotional expression, often depends on subjective aesthetics and has no uniquely correct target. Existing approaches typically rely on fixed
阅读原文 · Mingzhe Zheng, Yue Wu, Jing Tan, Chang Zou, Dengyang Jiang, Zeyue Tian, Xuanhua He, Ryan Xu, Yunyang Ge, Sihui Ji, Yunlong Lin, Kaihang Pan, Hongru Yan, Sixiang Chen, Dianyi Wang, Julian Zhang, Weijie Kong, Changlin Li, Lanqing Guo, Zhao Zhong, Qifeng Chen, Harry Yang
向阳乔木 · opencode-go/deepseek-v4.1-flash
情感表达这件事，在视频生成里一直很难被“打分”。画面好不好看有审美共识，运动是否自然也能判断，但“这段视频有没有把悲伤演出来”，往往没有唯一正确答案。现有强化学习后训练给视觉质量、运动质量、文本对齐各配一个固定权重，情感意图基本被忽略，还容易招来 reward hacking。 这篇论文提出 EmoReward ，尝试让奖励权重自己在训练过程中进化，而不是由...