腾讯混元开源 WorldCompass，面向世界模型的强化学习后训练框架

腾讯混元3D团队开源了WorldCompass框架，这是首个面向世界模型的强化学习后训练框架，旨在提升世界模型交互的准确性和体验。该框架通过引入强化学习机制，对预训练的世界模型进行精细化调优，解决了应对复杂组合动作指令时“听不懂”、执行不精准的问题。在WorldPlay模型上应用后，交互准确率从20%大幅提升至55%以上，视觉保真度也有显著改善。WorldCompass标志着世界模型从预训练时代迈向RL精细化调优时代，证明了强化学习在解决动作控制不精准问题上的巨大潜力，为构建更智能的生成式世界模拟器提供了新路径。相关代码和模型细节已开源。

3月10日，腾讯混元3D团队开源业界首个面向世界模型的强化学习后训练框架WorldCompass，这是此前发布的混元世界模型1.5 官方强化学习扩展模块，能够让世界模型的交互更加准确，体验更好。

当前主流世界模型（如混元世界模型1.5）主要依赖预训练，在应对用户复杂的组合动作指令时，常出现“听不懂”、执行不精准等问题。WorldCompass正是为破解此难题而生，它作为一个“指南针”，通过引入强化学习机制，对已预训练的世界模型进行精细化调优，使其能更准确地遵循指令探索虚拟世界，并保持长距离漫游的视觉一致性。

评测结果显示，在开源SOTA模型WorldPlay上应用WorldCompass后，模型性能实现质的飞跃。在最具挑战性的复合动作场景下，交互准确率（Accaction）从约20%大幅提升至55%以上，提升幅度超过35%；基础动作准确率亦有显著提升，同时视觉保真度评分（HPSv3）也得到有效改善。

腾讯混元团队表示，WorldCompass 的发布标志着世界模型从“预训练时代”迈向了“RL精细化调优时代”。作为首个针对长时序、交互式世界模型的RL框架，WorldCompass 成功解决了动作控制不精准的痛点。它不仅证明了强化学习在世界模型领域的巨大潜力，也为未来构建更加智能、可控的“生成式世界模拟器”提供了全新的技术路径。

该技术已在混元WorldPlay模型上得到验证，相关代码和模型细节已开源。访问以下地址了解更多：

• 主页：https://3d-models.hunyuan.tencent.com/world/

• 技术报告：https://arxiv.org/abs/2602.09022

• 代码（github）：https://github.com/Tencent-Hunyuan/HY-WorldPlay