近年来，游戏世界模型通常从主观的玩家视角模拟环境，将非玩家角色（NPC）仅仅视为背景像素，从而无法捕捉玩家与NPC之间的交互。这类模型更像是被动的视频渲染器，而非真正的模拟引擎，缺乏建模由动作引发的NPC反应所需的物理理解。针对这一局限，来自研究团队的最新成果ReactiveGWM提出了一种反应式游戏世界模型，能够合成玩家与NPC之间的动态交互。
ReactiveGWM的核心创新在于显式解耦玩家控制与NPC行为。具体而言，玩家动作通过轻量级的加性偏置注入扩散骨干网络，而高级NPC响应（如进攻、控制、防御）则通过交叉注意力模块进行接地。这些交叉注意力模块学习了一种与游戏无关的交互逻辑表示，从而实现了零样本策略迁移：训练好的模块可以直接插入不同游戏的现成未标注世界模型中，无需针对特定领域进行重新训练即可立即解锁可操控的NPC交互。
研究团队在两个《街头霸王》游戏上进行了评估。结果表明，ReactiveGWM在保持精细玩家可控性的同时，实现了鲁棒的、与提示一致的NPC策略遵循。这为可扩展的、富含策略的NPC交互铺平了道路。研究者还公开了相关代码，以供进一步的研究和应用。值得注意的是，这种解耦设计使得NPC的行为能够根据不同的游戏环境灵活调整，而不需要为每个新游戏从头开始训练模型。这不仅大幅降低了部署成本，还使得玩家能够通过自然语言或视觉提示来指导NPC的策略，从而在多种游戏场景中实现丰富的交互体验。例如，在格斗游戏中，玩家可以指示NPC采取积极的进攻风格，或者转向防御性策略，而模型能够实时响应并生成相应的动作序列。此外，该方法的通用性意味着它可以被扩展到其他类型的游戏，如角色扮演游戏或实时策略游戏，为游戏AI的开发提供了一种新的范式。