RLVR-World

用强化学习训练能用于决策的视频生成世界模型

RLVR-World 是 NeurIPS 2025 论文《Training World Models with Reinforcement Learning》的官方实现，旨在用可验证奖励的强化学习（RLVR）训练世界模型，解决传统视频生成模型缺乏目标导向、难以用于决策的问题。核心能力包括：将视频生成任务转化为 RL 优化问题，利用 GRPO 算法和 verifiable rewards（如机器人操作成功率、文本游戏得分）直接优化模型行为；支持真实到仿真（real2sim）的迁移，在机器人操控和文本游戏等场景中验证了模型能学习到可泛化的环境动态。项目基于 verl 框架构建，提供训练与评估代码，面向视频生成、世界模型和具身智能研究者。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 276

维护状态低维护

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队thuml

所属国家

官网地址https://thuml.github.io/RLVR-World

GitHubhttps://github.com/thuml/RLVR-World

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型grpo,real2sim,reinforcement-learning-with-verifiable-rewards,rlvr,robotic-manipulation,text-game,verl,video-generation,video-gpt,video-prediction,web-agent,webarena,world-model

GitHub 星标★ 276

30天Star增速

HF 下载量

上线时间2025-05-17 00:00:00

最近更新2026-09-16 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

首个将 RLVR 引入世界模型训练的开源实现，方法新颖且有论文支撑
覆盖机器人操控和文本游戏两类验证场景，证明泛化能力
基于 verl 框架，支持大规模分布式训练，工程基础扎实

不足之处

项目处于早期，文档和社区支持待观察
依赖特定 RL 框架和硬件资源，上手门槛较高

适用场景

机器人操作策略的仿真预训练
文本游戏中的环境动态学习
视频生成模型的目标导向优化研究

替代项目

Genie、DreamerV3、VideoPoet

项目介绍

RLVR-World 是模型训练领域的开源项目，由 thuml 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 276。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：机器人操作策略的仿真预训练。同类可对比的替代方案包括 Genie、DreamerV3、VideoPoet。

上一篇：lpwm

下一篇：CogKit