概念world specification
世界规格
对任务所处环境的机器可读描述，包括初始状态、合法状态空间、不变量、里程碑和终止条件。当规格成为唯一事实来源时，环境可从中渲染，进展成为可计算函数
时间轴 (近 90 天)
10月14日
长周期Agent评估的核心瓶颈是编写密集评分所需的规格（世界规格）的成本，而非密集评分本身的运行成本。
待验证50%
10月14日
Tev的方法不是事后轨迹评分，而是先编写隐藏的真实世界规格，再从这个规格渲染出环境。
待验证50%
10月14日
世界规格是任务所处环境的机器可读描述，包含初始状态、合法状态空间、不变量、里程碑及终止条件。
待验证50%
10月14日
如果规格写得不够具体，密集奖励会自信但错误，并导致Agent直接优化到规格与现实之间的缝隙里。
待验证50%
10月14日
写规格是实实在在的工作量，将成本从每次运行的评分转移到一次性编写，因为规格可复用、可审查、可版本化。
待验证50%
10月14日
从Tev身上可借鉴的原则之一是：先写世界规格（状态、不变量、里程碑、终止条件），再写任务提示。
待验证50%
全部知识事实 (6)
待验证
长周期Agent评估的核心瓶颈是编写密集评分所需的规格（世界规格）的成本，而非密集评分本身的运行成本。
50%待验证Tev的方法不是事后轨迹评分，而是先编写隐藏的真实世界规格，再从这个规格渲染出环境。
50%待验证世界规格是任务所处环境的机器可读描述，包含初始状态、合法状态空间、不变量、里程碑及终止条件。
50%待验证如果规格写得不够具体，密集奖励会自信但错误，并导致Agent直接优化到规格与现实之间的缝隙里。
50%待验证写规格是实实在在的工作量，将成本从每次运行的评分转移到一次性编写，因为规格可复用、可审查、可版本化。
50%待验证从Tev身上可借鉴的原则之一是：先写世界规格（状态、不变量、里程碑、终止条件），再写任务提示。
50%