【資料圖】

IT之家 3 月 10 日消息，騰訊混元 3D 團(tuán)隊今日宣布開源業(yè)界首個面向世界模型的強化學(xué)習(xí)后訓(xùn)練框架 WorldCompass，這是此前發(fā)布的混元世界模型 1.5 官方強化學(xué)習(xí)擴(kuò)展模塊，能夠讓世界模型的交互更加準(zhǔn)確，體驗更好。

WorldCompass 是一個專為長時序、交互式世界模型設(shè)計的強化學(xué)習(xí)（RL）后訓(xùn)練框架。如果說世界模型是引擎，那么 WorldCompass 就是“指南針”，通過引入強化學(xué)習(xí)機制，直接“引導(dǎo)”模型如何更準(zhǔn)確地遵循用戶指令探索世界，并保持長時序的視覺一致性。

實驗表明，WorldCompass 能提升 SOTA 開源世界模型（WorldPlay）的交互準(zhǔn)確率和視覺保真度，特別是在復(fù)雜的組合動作場景下，交互準(zhǔn)確率提升了近 35%。

團(tuán)隊在最新的開源 SOTA 模型 WorldPlay 上進(jìn)行了驗證。結(jié)果顯示，經(jīng)過 WorldCompass 的后訓(xùn)練，模型能力實現(xiàn)了大幅提升。

在最為困難的復(fù)合動作（Combined Action）場景下（例如同時進(jìn)行移動和旋轉(zhuǎn)）：基座模型對于復(fù)雜組合式動作序列執(zhí)行的準(zhǔn)確率僅為 20% 左右。使用 WorldCompass 訓(xùn)練后，準(zhǔn)確率提升至 55% 左右，提升幅度超過 35%。對于基礎(chǔ)動作，準(zhǔn)確率也提升了約 10%。

同時，在斯坦福大學(xué)世界模型 Benchmark WorldScore 上，WorldCompass 取得了更好的評分：

WorldCompass 已在混元 WorldPlay 模型上得到驗證，相關(guān)代碼和模型細(xì)節(jié)已開源。IT之家附開源地址如下：

關(guān)鍵詞： 時序 騰訊 強化學(xué)習(xí) 混元開源 知名企業(yè)