盒子当前被遮住，要补出“现在盒子里有___枚木球”。只看最后一张画面，无法知道答案；过去的事件却能提供所需信息：开始三枚，取走一枚，再放入两枚，当前应为四枚。

这个短答案依赖的是一段状态更新：三变成二，二再变成四。最后一个动作“放入两枚”只给出变化量，没有告诉我们变化前的数量。因此，同样的最后一句放在不同历史后面，可以要求不同答案。

现在只把最后一步换成“取走两枚”，其他条件保持不变，答案变成零。这个对照有用，因为它明确指出哪条信息应该使判断改变。若一个系统对两个版本都回答“四”，我们就知道它至少在这组题上没有正确使用改变的事件。

“训练只要求预测一个词，为什么要谈状态？” 因为监督接口短，不代表完成预测所需的信息简单。文字中的数量、程序里较早定义的变量、故事里人物已经知道的事实，都可能影响当前一个位置。为了在这些情境中持续预测准确，模型可能需要形成能够保留和更新关系的表示。

但不要把这句话倒过来用：写下“预测下一个词”的目标，并没有证明模型已获得可靠世界模型。图中的四与零是按题目规则算出的答案，是用来提出检验的例子，不是真实模型实测。答对两题也仍可能有不同内部实现，不能由行为结果直接认定它用了哪种记忆机制。

到 N56，我们会回到同一盒木球，进一步区分行为成功、内部机制与现实迁移的证据。眼下先看训练怎样使用这类完整记录：正确下文已经在资料里，模型可以拿哪些部分作输入，又必须把哪些部分留在评分端？