2026年3月10日，腾讯混元3D团队正式开源业界首个面向世界模型的强化学习后训练框架WorldCompass。作为混元世界模型1.5的官方RL扩展模块，该框架针对现有世界模型处理复杂指令偏差问题实现技术突破，调优后开源SOTA模型WorldPlay复合动作场景交互准确率从20%升至55%以上，提升幅度超35%，为世界模型落地交互场景提供了新的技术路径。
作为继大语言模型之后AI领域最受关注的技术方向，世界模型被视为实现通用人工智能的核心基础之一，近两年国内外科技巨头均在该领域投入了大量研发资源。但此前行业的研发重心普遍集中在预训练阶段，通过扩大训练数据规模、提升参数量级来让模型掌握通用的物理规则与场景逻辑，却忽略了后训练调优环节的适配性。
目前主流预训练世界模型在应对用户的多步骤组合动作指令时，普遍存在理解偏差、执行断层等问题，直接制约了其在游戏NPC、家用机器人、数字孪生等场景的落地效率。
此次腾讯开源的WorldCompass，是业界首个专门针对世界模型设计的强化学习后训练框架，同时也是腾讯混元世界模型1.5的官方强化学习扩展模块，可直接适配主流开源世界模型的调优需求。与此前行业普遍复用大语言模型RLHF调优方案的做法不同，WorldCompass专门针对世界模型的动作输出链路、场景理解模块设计了奖励机制，无需修改预训练阶段的基础参数，即可实现定向性能优化。
公开评测数据显示，经过WorldCompass调优后，当前开源SOTA世界模型WorldPlay在难度最高的复合动作场景下，交互准确率（Accaction）从原有的20%左右飙升至55%以上，提升幅度超过35%。对中小研发团队而言，这套开源框架直接降低了世界模型调优的技术门槛，无需从零搭建复杂的强化学习训练链路即可实现性能升级。
WorldCompass的开源，也标志着世界模型的技术竞争正式从“粗放式预训练”转向“精细化后调优”。此前大语言模型的发展路径已经证明，预训练阶段决定模型的能力上限，而后训练调优则决定了模型在具体场景的使用体验。
随着专门的强化学习调优工具面世，接下来世界模型的研发重心将逐步向场景定制化倾斜，针对游戏、机器人、工业仿真等不同垂直场景的调优方案将陆续出现，世界模型的商业化落地速度也将进一步加快。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号