先给结论：只靠「预测下一步合法着」训练出来的网络，也可以在内部算出整盘局面；而且这个局面经常是线性方向，不是必须上非线性探针才读得见。能把激活沿该方向挪过去、后续着法跟着变成新局面下的合法着，才说明世界模型进了计算图。探针分数高只证明相关，干预成功才证明因果。

非线性探针读到棋盘，为什么还不能当世界模型

痛点很具体。有人训练网络预测黑白棋合法着，发现内部能恢复整盘占用，但线性探针失败、非线性探针成功。这会被读成：特征是弯的，线性表示假说要打折。现场更容易踩的坑是：探针学会了自己算棋盘，分数高的是探针，不是模型。另一坑是坐标选错：用人习惯的黑白去读，读出来一团乱；改成「我的颜色 / 对方颜色」，同一层突然干净。

这和模块加法里突然改用傅里叶视角是一类事：模型用的坐标系，不必等于人标注用的坐标系。方向找对了，线性就够；方向错了，再深的探针也只是在代劳。

五步把「相关」做成「可干预的世界状态」

1. 先定坐标系。棋类不要死盯绝对颜色，优先试「当前行棋方 / 对方」。句子任务试「第几个名字 / 第几句」，不要只试绝对位置。
2. 线性探针和非线性探针对照。非线性远好、线性一塌糊涂时，先换基、换层，再下「必须非线性」的结论。
3. 做因果干预：沿探针方向改激活，看输出是否变成新状态下的合法行为。只改探针分数、着法不变，说明探针在旁路计算。
4. 看模块边界。早期层一起算世界状态，后期层分别消费。端到端一条电路很难扩，按「谁写状态、谁读状态」拆更稳。
5. 留下失败记录。哪一层线性失败、换基后哪一层成功，比只报最高探针准确率有用。

实操里有个不常写进摘要的细节：有的神经元在奇数手编码「D1 是我的且 E2 是对方」，偶数手把颜色对调。按黑白看会觉得它在胡说；按「我的/对方」看，它在跟踪相对占领。另一条：激活补丁若只在单条开局上成功，换一套开局就垮，多半是记了开局指纹而不是棋盘。第三条：干预幅度要扫一圈，不是只试「加满探针方向」。幅度太小看不出，太大把残差打崩，两种都会误判「没有因果」。

线性表示假说并没有被一次实验钉死，但这是它还值得用的证据：特征可分解、可当方向、可被因果拨动。若日常都要非线性才能读，逆向工程的工具箱会重一个数量级。现在更该做的是把坐标系选对，再决定要不要上更重的探针。

还有一条写进实验日志才有用的习惯：干预时同时记录「合法着集合是否切换」和「非法着有没有被意外打开」。只看合法着变对，可能是模型更胡来；非法着没增加，才像是世界状态真的被改写。开局要覆盖奇偶手、不同占领密度，否则容易把「这一局的指纹」当成棋盘。把这些记在表里，下次换任务（名字序、句子角色）也能复用同一套验收，不必每次从零发明「什么叫世界模型」。

探针训练本身也要防作弊。若探针看见的是整段残差、标签又是当前可从输入直接算出来的棋盘，它完全可以自己下完这盘棋。控制方法是：探针只看中间层、输入被打乱后探针应掉分、模型干预后探针分数应跟着走。三项里只满足第一项，仍然可能是探针在代劳。

若时间只够做一件事：不要再训练一个更深的探针。先把标签改成模型可能在用的相对量，再沿线性方向做一次因果干预。这一步便宜，却能直接否掉「探针会下棋、模型不会」。否不掉，再考虑非线性。顺序反了，会在探针排行榜上浪费整周。

结论：先换基、再干预，最后才谈非线性

世界模型值不值钱，不看探针排行榜，看你能不能改内部状态并让行为跟着改。坐标选错，再深的探针也是代劳；坐标选对，线性方向往往就够用。

把坐标系、线性探针、干预三条做成固定模板，比每次发明新故事快。模板填不满，就还不是世界模型，只是探针会下棋。模板要写进实验仓库，而不是只留在聊天记录里，否则下个星期又会有人用黑白颜色重训一版非线性探针，然后宣布线性假说失败。

你下次读到「模型有世界模型」，先问有没有沿某个方向改激活、输出是否变成新局面下的合法动作。没有这一步，先别写进结论。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源