⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

WorldCompass：用于长时程世界模型的强化学习

arXiv 2026 64 method

TLDR

WorldCompass通过片段级展开、互补奖励和高效RL后训练，提升长时程交互式视频世界模型的准确性与保真度。

评分理由

The paper presents a novel RL framework with three clear innovations for world model training, showing strong empirical gains on a specific model. However, evaluation is limited to a single world model (WorldPlay) and lacks real-world validation, reducing generalizability.

Read-first 评分解释

综合优先阅读分 64，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 60。

近期性 8%
100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。 年份：2026

主题相关性 42%
85.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。 关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%
50

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。 命中信号：评估

可复现性 25%
30

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。 论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：475。

关键词评分

world model
10
interactive world model
10
video world model
10
generative world model
9
world simulator
8
world dynamics prediction
7
model-based reinforcement learning world model
6

深度分析

创新点

  • 片段级展开策略：在单个目标片段上生成并评估多个样本，提升展开效率并提供细粒度奖励信号。
  • 互补奖励函数：同时针对交互遵循准确性和视觉质量设计奖励函数，提供直接监督并抑制奖励黑客行为。
  • 高效RL算法：采用负感知微调策略并结合效率优化，增强模型能力。

方法

WorldCompass是一个用于自回归视频世界模型的强化学习后训练框架。它采用片段级展开策略以高效生成和评估样本，使用互补奖励函数平衡交互准确性和视觉质量，并采用负感知微调方法结合效率优化。该方法在WorldPlay开源世界模型上进行了评估。

关键结果

WorldCompass在应用于WorldPlay模型时，在各种场景下显著提高了交互准确性和视觉保真度。

资源

论文

标签