腾讯混元3D 团队昨日宣布，正式开源业界首个面向世界模型的强化学习（RL）后训练框架——WorldCompass。作为混元世界模型1.5的官方强化学习扩展模块，该框架旨在显著提升世界模型在交互过程中的准确性与用户体验。

当前主流世界模型主要依赖大规模预训练，但在面对用户复杂的组合动作指令时，往往会出现“理解偏差”或执行不精准的问题。WorldCompass 的出现，为解决这一痛点提供了全新的“指南针”。

image.png

通过引入强化学习机制，该框架能对预训练模型进行深度调优，使其能更准确地解析并执行复杂的动作指令，告别“听不懂”指令的尴尬。评测数据显示，在应用 WorldCompass 后，开源 SOTA 模型 WorldPlay 在最困难的复合动作场景下，交互准确率（Accaction）从约20% 飙升至55% 以上，提升幅度超过35%。

除了动作控制的增强，该框架还显著改善了视觉保真度评分（HPSv3），确保模型在长距离、长时间序的虚拟世界漫游中保持视觉表现的一致性。腾讯混元团队表示，WorldCompass 的发布标志着世界模型正式从单纯的“预训练时代”跨入“强化学习精细化调优时代”。

目前，WorldCompass 的相关技术已在混元 WorldPlay 模型上得到验证，腾讯已将相关代码及技术报告全文开源，旨在为全球开发者构建更智能、可控的“生成式世界模拟器”提供技术路径。

划重点

  • 🎯 精准控场:攻克了世界模型在复杂动作指令下执行不精准的行业难题，准确率实现倍数级增长。

  • 🤖 RL 深度赋能:证明了强化学习在长时序、交互式世界模型中具备巨大的调优潜力。

  • 🌐 全栈开源:从代码到模型细节全面开放，助力开发者打造更具沉浸感的虚拟交互环境。

  • 🚀 代际跨越:推动世界模型技术重心从数据堆叠转向对交互逻辑的精细雕琢。