腾讯混元WorldCompass：引入强化学习，突破长视频生成的连贯性瓶颈

腾讯混元团队发布了名为 WorldCompass 的新型强化学习（RL）后训练框架，旨在解决长视界视频世界模型中的连贯性难题。该技术引入群体相对策略优化（GRPO）理念，显著提升了自回归视频生成中的动作跟随能力和视觉质量。通过基于交互信号的强化学习，WorldCompass 能够生成更符合物理逻辑、长时序一致的视频内容。目前，相关代码、模型及详细技术报告已在 GitHub 和 HuggingFace 上开源。