像看棋手只猜准下一手，就断定他擅长整盘布局，往往会看走眼。Joshua Cheung 与 Zhang He 研究的正是类似问题：JEPA（预测未来抽象表示、而非逐像素画面的架构）通常用“一步预测损失”挑模型，但规划要连续推演多步，小误差会累积，短期分数因此未必代表行动方案更好。
作者用冻结的解码器——一个把模型内部数字还原成位置等物理状态的固定工具——把抽象误差换成可解释的物理误差，并在三个连续控制环境中比较预测与规划。最反直觉的结果出现在 PushT：三个训练随机种子下，预测准确度在后续15个检查点中持续改善，规划成功率却从第一轮训练后便基本不再上升；即使只看训练数据较稀少、仍有明显提升空间的情形，趋势也一样。
这意味着，更低的一步损失适合检查模型有没有学会预测，却不宜单独充当规划能力的排行榜。结论仍来自作者自己的实验；他们还发现，仅更换规划评测的随机种子，未改动模型的基线结果也可相差最多26个百分点，提醒读者小幅优势尤其需要多次复验。