3月10日消息，腾讯混元（Hunyuan）团队近日开源的WorldCompass框架。 什么是WorldCompass？
世界模型（World Model）是当前AI领域最受关注的前沿方向之一——让AI不仅能"看懂"世界，还能模拟和预测世界的变化。但现有世界模型普遍面临一个核心难题：在长时间、多步骤的交互场景中，模型的预测会迅速"跑偏"，动作跟随不准确、视觉一致性崩塌。
WorldCompass是一个专为交互式视频世界模型设计的强化学习（RL）后训练框架。简单来说，它不是从零训练一个新的世界模型，而是在已有的开源世界模型基础上，通过强化学习信号进行"后训练"——让模型在长时域交互中变得更准确、更稳定。
该框架基于腾讯此前开源的世界模型WorldPlay进行评估验证。结果显示，经过WorldCompass后训练的模型，在复杂组合动作跟随任务中的准确率从约20%提升至超过55%，同时视觉生成的保真度也有显著改善。
论文已于2026年2月发布在arXiv（论文编号：2602.09022）。
三大技术创新
WorldCompass的核心贡献在于三个层面的设计。
片段级Rollout策略。传统RL训练中，世界模型需要生成完整的长序列再进行评估，效率低且信号稀疏。WorldCompass改为在单一目标片段内生成并评估多个样本，既提高了Rollout效率，又能提供更细粒度的奖励信号，让模型在每个片段都能获得明确的学习方向。
互补奖励函数设计。团队设计了两类相互补充的奖励函数：一类针对交互跟随准确性（即模型是否正确执行了指定动作），另一类针对视觉生成质量（即画面是否清晰、一致）。这种双轨设计可以直接监督训练过程，并有效抑制"奖励作弊"——即模型通过取巧方式获得高奖励分数但实际效果差的问题。
高效RL算法。WorldCompass采用了负样本感知微调策略，结合多种效率优化手段，在提升模型能力的同时控制了训练成本。这使得研究者和开发者可以在合理的计算资源下完成后训练流程。
全面开源，支持自定义训练
WorldCompass已在GitHub上完整开源（仓库地址：github.com/Tencent-Hunyuan/HY-WorldPlay），开源内容包括：
训练代码方面，框架完全可自定义——用户可以使用自己的数据集、设计自己的奖励函数，或者基于其他基础模型进行后训练，而不局限于WorldPlay。这种高度灵活的设计大幅降低了研究者的复用门槛。
模型检查点方面，团队提供了经过WorldCompass后训练的开源模型权重，支持更精确的指令跟随和复杂组合动作输入。
此外，用户还可以通过在线Demo（3d-models.hunyuan.tencent.com/world）直接体验HY-World 1.5的交互效果。
应用前景：从游戏到机器人
世界模型的核心价值在于为AI提供一个可交互的"虚拟世界"——这对多个领域具有直接意义。
在机器人学中，世界模型可以作为低成本的训练环境，让机器人在虚拟世界中大量试错后再迁移到真实场景，WorldCompass提升的长时域交互稳定性对此至关重要。在游戏和模拟器领域，更准确的动作跟随意味着NPC行为和环境反馈可以更加真实。在AI Agent开发中，世界模型可以为Agent提供环境理解和预测能力，WorldCompass的组合动作支持使其能够处理更复杂的任务链。
"后训练"思路的行业意义
WorldCompass的技术路径本身也值得关注。与其投入巨量资源从头训练一个更大的世界模型，不如在现有开源模型基础上通过RL后训练来补齐短板——这种"小成本、大提升"的思路，与当前大模型领域流行的RLHF（基于人类反馈的强化学习）策略一脉相承，但将其从语言模型领域拓展到了视频世界模型。
该框架开源后已在Reddit、X等社区引发讨论，多位研究者对其片段级Rollout和互补奖励设计表达了兴趣。随着世界模型赛道持续升温——Google的Genie 2、OpenAI的Sora底层架构、以及国内多家团队的世界模型项目都在推进中——WorldCompass提供的后训练方法论有可能成为这一领域的基础性工具。 
AI 速览
