腾讯混元开源世界模型强化学习训练框架WorldCompass

2025年3月10日，腾讯混元3D团队正式开源了业界首个专为世界模型设计的强化学习后训练框架——WorldCompass。该框架可视为此前发布的混元世界模型1.5的官方强化学习增强模块，其核心使命在于显著提升世界模型的指令遵循精度与长序列交互体验，推动智能体与虚拟环境的互动迈向新高度。

简而言之，WorldCompass是一个针对长时序、交互式世界模型定制的强化学习后训练解决方案。如果将世界模型比作构建虚拟世界的核心引擎，那么WorldCompass就扮演着智能“导航仪”的角色。它通过引入先进的强化学习算法，直接指导模型学习如何更精准地理解并执行用户指令，在复杂环境中进行探索，并确保生成视频在长时间跨度内保持高度的视觉一致性与真实感。

那么，其实际效果究竟如何？权威实验数据提供了有力证明。WorldCompass能够有效提升当前主流开源世界模型在交互任务中的准确率与视觉保真度。尤其在处理需要多步骤协同的组合指令时，性能提升更为显著。

研发团队在最新的开源SOTA模型WorldPlay上进行了全面验证。结果表明，经过WorldCompass框架的后训练优化，模型综合能力实现了跨越式进步。

具体而言，在最能考验模型复杂指令理解与执行能力的复合动作场景下——例如同时下达“向前移动并左转”这类组合命令——原始基座模型的执行准确率仅为20%左右。而接入WorldCompass进行训练后，准确率大幅跃升至55%以上，相对提升幅度超过35个百分点。即便是对于基础单一动作指令，准确率也获得了约10%的稳定提升。

此外，在斯坦福大学推出的权威世界模型评估基准WorldScore上，经WorldCompass优化的模型同样表现卓越，取得了全面领先的评测分数：

目前，WorldCompass已在腾讯混元的WorldPlay模型上完成充分验证与效果展示。腾讯此次同步开源了完整的训练代码、使用文档与模型细节，这意味着全球人工智能领域的研究人员与开发者均可直接复用或参考这一前沿方案，共同加速世界模型在具身智能与沉浸式交互方向的技术突破与应用落地。