3月10日，据IT之家消息，腾讯混元3D团队今日宣布开源业界首个面向世界模型的强化学习后训练框架WorldCompass。该框架是此前发布的混元世界模型1.5的最新强化学习扩展模块，旨在显著提升世界模型交互的准确性与体验流畅度。

WorldCompass是一个专为长时序、交互式世界模型设计的强化学习后训练框架。若将世界模型比作引擎，那么WorldCompass便是“指南针” —— 它通过引入强化学习机制，直接引导模型更精准地遵循用户指令探索世界，并确保长时序下的视觉一致性。

实验数据表明，WorldCompass能够有效提升SOTA开源世界模型的交互准确率和视觉保真度。特别是在复杂的组合动作场景下，交互准确率提升近35%。

团队在最新的开源SOTA模型WorldPlay上进行了验证。结果显示，经过WorldCompass的后训练，模型能力实现了显著提升。

在最困难的复合动作场景下：基座模型对于复杂组合式动作序列执行的准确率仅为20%左右。使用WorldCompass训练后，准确率提升至55%左右，提升幅度超过35%。对于基础动作，准确率也提升了约10%。

同时，在斯坦福大学世界模型Benchmark WorldScore上，WorldCompass取得了更好的评分：