WROP 后续改进方向

11. 只测了分布内，没有测泛化

训练和考试用同一批出题器。共 150 个出题器，分 6 个任务族。考试共 300 题。每个出题器出 2 题。每道考题都是训练样本 0 或 1 的重渲染。考题用同一脚本。考题种子等于训练种子的后 5 位。考题只换颜色、材质和光照。所以分数只说明模型会做「换皮」的同类题。

没有考题来自训练外的出题器。没有验证集。

泄漏风险（未知）：模型实际用一版「更早的渲染」训练。这版没有公开。若它也用 5 位种子，考题可能和训练样本逐像素相同。公开文件无法核实这一点。

下一版应做两种留出。第一种：按出题器留出。第二种：按任务族整类留出。第二种更难。两种都只需用现有出题器的子集重训。两种都不需要新造出题器。

链接：同意帖 · 详见：generalization-splits.md

22. 只有 Blender 仿真，没有真实视频

考试素材全是仿真。仿真里考得好，不等于真实摄像头视频里也行。作者说真实视频才是真正的检验，还没做。好解决：多造其他环境。若先不碰这一条，其余几条仍可在 Blender 里推进。

链接：承认帖

33. 只测行为，不看内部表示

只看画面结果对不对。没有打开模型内部，看遮挡时有没有「记住」物体。所以只能说表现得像会，不能说内部真存了物体。好解决：去测 latent。

链接：承认帖

44. 没有镜头难度

每条都是一镜到底，相机在一条视频里完全不动。硬切没有，连续运镜也没有。作者承认切镜是更难的一半，更像要新造一批任务，不是只在老场景上拧参数。造法：优先硬切，再加一镜内连续运镜。

链接：切镜帖

55. 没有真实感的大遮挡

仿真里已有会动的硬板遮挡。缺的是真实感场景里那种干净大遮挡（如车开过去挡住）。这和「必须用真实视频」不是一回事：Blender 里也能造大遮挡物扫过；真实视频是更强的最终检验，不是唯一造法。

链接：原帖 · 作者回复

66. 全是刚体关键帧，没有物理引擎

没有 MuJoCo，没有柔体、布料、流体。运动是人工关键帧，不是物理算出来的。

77. Prompt 把恒存答案写进去了

按正常人常识，「遮挡后物体应回来」不该写进 prompt。遮挡物继续滑走按惯性默认即可，不算欠写。主要问题是 OVER（over-guidance）。造法上：无 LLM 管线说明，正文写死在 CASE["prompt"]，渲染时只换颜色词并加前缀；Hugging Face 上已是成品完整 prompt。

详见：prompt-ambiguity-197.md、prompt-authorship.md