路口后来冲出一辆车。现在把行车记录倒回去，问 AI：“如果当时刹车，会看到什么？”它可能生成一段很合理的视频，却把那辆车直接删掉。这正是论文追问的问题：反事实预测——同一段经历里换个动作，看后来怎样——不能只靠“换动作后继续生成”。它还得保留未被动作改变的现场事实。
常见的动作条件预测，会把前半段画面和备选轨迹交给驾驶世界模型，让它续写未来；但它没有使用事实续篇，也就是日志中真正发生的后半段。因此，它不知道遮挡后是否有车，也无法锁定这一次事件。作者用 CARLA 模拟器重复运行同一场景，分别记录原动作和替代动作，构造出可对照的反事实真值。实验中，两类代表性模型——扩散式与自回归式视频模型——直接预测都难以还原对应事件。
作者随后做了一个刻意简单的检验：先把事实续篇里的可见证据搬到替代轨迹对应的相机视角，再让冻结的世界模型补全未知部分；整个流程无需训练。按作者报告，这一做法在两个模型上都明显提高了事件信号的恢复比例，并缩小了与反事实真值的视觉差距。重点不在于它已经解决问题，而在于证明了症结：会生成合理未来，不等于理解了“这一次如果重来”。