RLVR-World

用强化学习训练能用于决策的视频生成世界模型

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 视频生成 🍴 复刻 17 🐛 待处理 1 👀 关注 5
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 283
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

RLVR-World 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类视频生成
开发团队thuml
定价模式🏷️完全免费
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🔧 仅开源项目,无在线服务,需自行部署
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★ 283
上线时间2025-05-17 00:00:00
代码更新2025-10-28
仓库体积14.9 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 283

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

上一篇:lpwm

下一篇:CogKit

同类项目推荐

verifiers 开源

一套接口搞定 RL 训练环境与评测

Our library for RL environments + evals

★ 4776 2026-09-14
ColossalAI 开源

让大模型训练部署更便宜、更快速,普通硬件也能玩转AI大模型。

Making large AI models cheaper, faster and more accessible

★ 41431 2026-08-09
mttl 开源

给大模型挂载可插拔小模块,一个底座跑多个任务

Building modular LMs with parameter-efficient fine-tuning.

★ 116 2026-09-16
Adam-mini 开源

用更少学习率,训更快更大模型,省显存提性能。

Code for Adam-mini: Use Fewer Learning Rates To Gain More https://arxiv.org/abs/2406···

★ 462 2026-08-09
dpm-solver 开源

10步内完成扩散模型采样,图像生成提速数倍

Official code for "DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model S···

★ 1860 2026-08-09
ms-swift 开源

一条命令微调千种大模型,从训练到部署全搞定

Use PEFT or Full-parameter to CPT/SFT/DPO/GRPO 600+ LLMs (Qwen3.8, DeepSeek-V4, GLM-···

★ 16066 2026-08-09
Alpaca-CoT 开源

统一接口微调大模型,轻松搞定数据、模型与方法

We unified the interfaces of instruction-tuning data (e.g., CoT data), multiple LLMs···

★ 2785 2026-08-09
opacus 开源

几行代码给 PyTorch 训练加差分隐私,防数据泄露

Training PyTorch models with differential privacy

★ 1970 2026-10-12
DoRA 开源

把LoRA拆成幅度和方向,微调效果更准更稳

[ICML2024 (Oral)] Official PyTorch implementation of DoRA: Weight-Decomposed Low-Ran···

★ 1008 2026-08-09