你让 AI 把镜头向前推进，它可能交出一段看似漂亮的视频，场景却没有按指令靠近；也可能方向对了，物体却在途中变形、闪烁。WorldReward 想补上这个“裁判”：它是一种奖励模型——为生成结果打分，并把分数反馈给训练系统——专门评判受镜头动作控制的世界模型。
它最关键的做法，是不让视觉语言模型（能同时理解画面和文字的模型）一次看完整段长视频。短暂的转向或推进很容易淹没在大量画面里，因此 WorldReward 把两段候选视频按动作切块，每块包含连续四个动作，并展示各动作开始、中间和结束时的画面。裁判据此同时判断指令有没有执行，以及外观、结构和前后运动是否连贯，最后对各块投票，得出整段视频的偏好。
作者在含 760 对生成结果、由人标注的 WorldReward-Bench 上报告，它与人类判断的一致性在动作、外观和运动三项上均为最高，分别超过 GPT-5.5 3.42、1.45 和 3.56 个百分点。用于 HY-WorldPlay 1.5 的强化学习后训练时，作者称它也同时改善了镜头执行和视觉质量。