（来源：上观新闻）
以一只鸟的🤳泛站群3D模型为🎑♐例，Act🇨🇺or可能初次🇲🇺描述说"这是一🍠只有长嘴🎈巴的鸟"，但如果🇱🇹Eva🍛lua⬆tor判断这个⛅👩🚒描述有误，Sel🇬🇭f-r✊🇻🇪efle📱🌈ction模🕟🤹♀️块会分析"我🤽♂️👩🎓可能把尾巴误🚓认成了嘴巴，🥼👨✈️下次需要更🛫仔细地观察特🔛🇦🇶征的位置"🏨，然后Acto🧖♂️🇩🇿r根据🚬❄这个反思重新生成🇷🇴🖍一个更准确的😠描述："这是一🇿🇦只有长尾🚶⏭巴的鸟"😎😥。
训练时，系统会🍉从真实3D模🎂型上采🖥样一些点，检查♋这些点在H🤗unyua👇🤣n3D生成的"🇹🇱距离地图"🇧🇯上对应📗🕶的距离值是🥛⚛否为零（即是否正🙌🏀好落在🧲表面上），以此来🚉🇦🇩衡量生成质🇬🇭🇧🇿量并反向调整M㊗📳esh He🤗ad的参数👨🚒。
