EmoReward：面向情感视频生成 RL 的自进化奖励校准机制

EmoReward 是一种自进化训练机制，通过从实际训练过程收集的奖励轨迹中蒸馏证据可靠性，自适应指导后续训练的多奖励权重分配。该方法先用情感提示词规划具体 grounding 线索，再以异构信号原语为生成视频打分，并通过 Reflective Reward Gating 按阶段、人脸置信度、冲突与细微度进行实例级门控校准。