2025，06， Deepmind 的这篇论文在定理1 中证明了：我们在无世界模型（model-free) 环境下训练出的某个策略模型，如果遵循这个策略模型能让模型通过推理接近一个目标，那么，这个策略模型在内部必定有一个等价的世界模型。 定理1 的大概证明方法就是通过构造两个选项 A（事件发生的概率 > k ），B （事件发生的概率 < k ）， 然后，递进的向策略模型π 来试探 k 值， 再反