N10 用盒中木球说明，最后一个词可能依赖一整段事件。现在回到同一个例子，但问题换了：模型答对之后，我们究竟可以对它作出什么判断？

盒子起初有三枚木球，取走一枚后剩两枚；若最后放入两枚，答案是四枚。保留前两步，只把最后一个动作换成取走两枚，答案就变成零枚。当前盒内不可见，正确回答仍可由事件变化推得。同一个末尾提问，需要接住不同历史形成的状态，不能只按照熟悉句型给固定数字。

这支持一个正面的可能性：预测文本并不必然只是模仿表面相邻词。文本来自事件与关系，为了预测后续，模型可能学到用于追踪这些关系的内部结构。但“可能需要或受益于某种状态”与“已经证明它内部怎样表示状态”，仍有距离。

“两道都答对，不就证明它脑中有盒子了吗？”首先只能确认它完成了这两道行为任务。它可能使用可迁移的计数规则，也可能依赖题型模式、记忆或其他捷径。要区分解释，可以改变数值、事件长度与表述，并进一步研究内部信息；不能直接从两项输出，画出一个未经观察的内部世界。

Othello 序列研究提供了更具体的一层证据：模型只接收落子序列，研究者从内部表示探测棋盘状态，并通过干预内部表示影响后续预测。这里至少要分清三问：能否从表示中读出状态，改变相关表示是否改变预测，换到新条件后这种关系是否仍成立。读出说明信息可被获取，干预进一步触及其作用；二者也没有自动担保现实迁移。

“棋盘证据能否证明语言模型懂现实物理？”不能。棋盘有明确规则与可重放状态，是很有价值的受控任务；现实里的观察缺失、机制变化与行动后果需要其他证据。本页木球与棋盘用于区分证据层次，不将前者两道课堂算例冒充后者论文实验。

带着这些层次，下一页再看五个研究判断：预测、具身经验、互动、空间和表示各补了什么，又有哪些问题尚未由任何一个口号解决？