就像导航能准确复述常走的路线，却在尝试绕路时把你带进死胡同，世界模型“预测得准”也未必会“规划得好”。它把画面压缩成潜在状态——一份记录物体位置和运动的内部简表——再让规划器在其中试演动作。问题在于，规划器常会走到训练数据很少覆盖的状态，此时平均预测误差再低，也可能掩盖关键失真。
这篇论文借控制理论重新定义评判标准：不要只看模型能否猜中下一步，而要看它预测的方案成本，是否贴近真实成本。作者证明，规划器的次优程度至多是“预测成本与真实成本最大差距”的两倍。实验里，不同随机训练结果的控制成功率相差十四个百分点，单步验证误差却无法区分；反而，针对规划器实际可到达状态的保真度更能跟踪成功率。换句话说，适合规划的表示不仅要可预测，还得在动作真正能抵达的地方可靠。