给同一个学生换一套考题，名次可能完全不同；世界模型也一样。Joyjeet Singh 独立复现 LeWorldModel 后发现，这个用内部数字压缩环境、再预测动作后变化的“潜在世界模型”，成绩很大程度取决于评测协议——任务起点、目标位置、步数上限和成功判定等计分规则。
最关键的一组实验里，复现者使用作者公开的同一检查点、同一规划器和完全相同的 50 个回合，只改变目标如何构造，成功率便从 84.0% 降到 8.0%。公开材料本身还给出两套不一致的设置：论文附录所述方案测得 14.0%，代码仓库配置则测得 84.0%；只有后者接近原论文约 87% 的报告值。复现团队修正四项未写入配置文件的处理约定后，自训模型达到 94.0%，但与作者检查点的差异在这一样本量下尚未确立。
这项工作没有否定 LeWorldModel，而是提醒我们：单一环境里的高成功率，未必只反映模型能力，也可能反映“题目怎么出”。结论仅覆盖 TwoRoom 环境、18.03M 参数配置，并且所有结果都来自单一种子。