智通财经APP获悉，3月10日，腾讯混元公众号发文称，其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。
据介绍，WorldCompass是一个专为长时序、交互式世界模型设计的强化学习(RL)后训练框架，通过引入强化学习机制，直接“引导”模型如何更准确地遵循用户指令探索世界，并保持长时序的视觉一致性。
实验表明，WorldCompass能显著提升 SOTA 开源世界模型(WorldPlay)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，交互准确率提升了近35%。
技术亮点方面，WorldCompass针对自回归世界生成的特性，对传统 RL 框架进行了全方位的重构，提出了三大核心创新：一是切片级采样：针对自回归世界生成的细粒度采样策略；二是3D奖励函数：拒绝“奖励刷分”；三是高效 RL 优化算法：让训练更稳、更快。
