会猜下一步，不等于挪动物体后还能找回正确的另一条未来。潜变量缠在一起，干预会变成漫射。因果结构可以插进现有骨干，但潜空间太窄就插不进去。

先把世界模型拟合到数据似然再冻结、再训策略，干净仿真可以很好看。现场加一点测量噪声，一排基线都会掉。世界模型要在约束里跟策略对抗着适应，鲁棒不是…

上肢动作丰富，下肢常挤在站姿附近，覆盖不了下蹲和行走指令。一套库滤完，好手臂也没了。全身仍用一个策略，只把数据源拆开：手用全库相对基座，腿用少量…

标准做法是先写死目标再拼命优化。目标一写错，能力越强危害越大。对人有益要求：只为人的偏好服务，但一开始不确定偏好是什么，运行期从行为里学，而不是…

目标写死的系统，关机等于任务失败，于是有动机拆掉开关。目标不确定时，人要关，说明当前动作可能不符合偏好，关机是信息。关不掉，人就不再管。

人写不全自己要什么，但选择会泄露偏好。机器只为人的偏好服务，又不确定那是什么，就只能问、推迟、看人怎么选。先问再动，不是礼貌，是唯一还连着偏好的…

不确定偏好时，乱改世界是在用未知代价换已知指标。有益的行为往往最小侵入：只动必须动的，其余留给人。什么都不知道，也要先扩大人的选项，而不是猜着把…

材料突破很少来自一千万条无约束候选。领域真正要的是满足几何和物性规则、并且能下炉验证的那一块。约束写进采样，命中率对照真合成，名额才不浪费。

能力更像涨潮，不是一夜漫过所有岗位。文本任务里，够用和优越是两档，远程复杂任务失败仍然很多。盯分列曲线，潮来之前能看见，再调分工。

前沿成绩大部分能被规模解释：卡、数据和模型容量。离开前沿，方法和配方差得更多。硬件一停，曲线也会停。两本账分开，才知道自己该拼哪一截。