一段视频显示杯子从起点滑到了另一处。它记录了可见变化，却未必完整记录施加的动作：推的方向、持续多久、用了多大力，都可能没有直接出现在画面里。若想学习“给定这个动作会有什么后果”，需要把动作记录与前后观察对齐，才能知道要学习哪一项对应关系。

“既然看到了滑动距离，倒推用力大小不就行了吗？”单凭距离通常还混着表面、杯子质量、接触方式等条件。不同条件可能产生相似距离，同样动作也可能在不同表面产生不同结果。本页标出的动作量是课程设定的记录示例，不是从照片中测得的物理推力。真实任务还需说明控制量的单位和定义，并把额外动作记录与画面对齐。

即使每段都记录得很细，覆盖仍可能不足。干桌面上的许多成功轻推，可以更充分地观察这一类经历，却没有自动增加湿桌面、强推或挡板换位的结果。N06 讲过，一万张相似照片未必新增关于当前杯子的关键事实；这里把这个判断推进到行动数据：文件大小、记录精度和条件覆盖，是三项不同的问题。

观察视频可以帮助学习对象、运动和事件规律；带动作的经历进一步把主动输入与后果联系起来；有针对性的干预可以让原先纠缠的解释产生分歧。它们不是互相取代的同一种数据，也不能只按时长或 GB 直接比较价值。新数据究竟值不值，应看它补上了当前预测缺少的哪一个条件。失败记录同样可能揭示边界；采集、动作对齐、模拟和独立评估也都有成本，不能只记训练算力。

V-JEPA 2 将大规模无动作视频预训练与动作条件的机器人后训练区分开，为“观察如何接向行动”提供了一条具体研究路线。它不意味着随便增加一批无动作视频，就已经等价获得任意机器人任务的经验。模拟中改变光照、材质或布局也可用来扩大训练条件，但能否迁移到现实，还要用真实结果检查。

下一页把“补什么数据”改写成更可执行的问题：如果只允许再做一次测试，哪一次最可能暴露当前主张中的错误？