騰訊混元3D 團隊昨日宣佈，正式開源業界首個面向世界模型的強化學習（RL）後訓練框架——WorldCompass。作爲混元世界模型1.5的官方強化學習擴展模塊，該框架旨在顯著提升世界模型在交互過程中的準確性與用戶體驗。

當前主流世界模型主要依賴大規模預訓練，但在面對用戶複雜的組合動作指令時，往往會出現“理解偏差”或執行不精準的問題。WorldCompass 的出現，爲解決這一痛點提供了全新的“指南針”。

image.png

通過引入強化學習機制，該框架能對預訓練模型進行深度調優，使其能更準確地解析並執行復雜的動作指令，告別“聽不懂”指令的尷尬。評測數據顯示，在應用 WorldCompass 後，開源 SOTA 模型 WorldPlay 在最困難的複合動作場景下，交互準確率（Accaction）從約20% 飆升至55% 以上，提升幅度超過35%。

除了動作控制的增強，該框架還顯著改善了視覺保真度評分（HPSv3），確保模型在長距離、長時間序的虛擬世界漫遊中保持視覺表現的一致性。騰訊混元團隊表示，WorldCompass 的發佈標誌着世界模型正式從單純的“預訓練時代”跨入“強化學習精細化調優時代”。

目前，WorldCompass 的相關技術已在混元 WorldPlay 模型上得到驗證，騰訊已將相關代碼及技術報告全文開源，旨在爲全球開發者構建更智能、可控的“生成式世界模擬器”提供技術路徑。

劃重點

  • 🎯 精準控場:攻克了世界模型在複雜動作指令下執行不精準的行業難題，準確率實現倍數級增長。

  • 🤖 RL 深度賦能:證明了強化學習在長時序、交互式世界模型中具備巨大的調優潛力。

  • 🌐 全棧開源:從代碼到模型細節全面開放，助力開發者打造更具沉浸感的虛擬交互環境。

  • 🚀 代際跨越:推動世界模型技術重心從數據堆疊轉向對交互邏輯的精細雕琢。