Исследователи предложили IMPLY — метод, который читает физику из каждого rollout'а через инвертирование симулятора и проверяет, объясняет ли один объект все наблюдения. Тестировали на V-JEPA 2-AC: AUROC вырос с 0.70 до 1.00. Главное: • 73% объектов — IMPLY предпочитает правильное доказательство против 52% у самоконсистентности • 0.91 корреляция с истиной при калибровке своей моделью vs 0.05 при калибровке чужим объектом • 0.003 — отставание от оракула при выборе кандидатов • 0.92–0.99 — корреляция IMPLY с ошибкой rollout'ов Нужен калибровочный толчок: без наблюдаемого взаимодействия метод не работает. Тестировали только на одной модели и контролируемом эксперименте. Что это значит: если модель «не заметила» объект, самопроверка этого не увидит. IMPLY привязывает оценку к физике — и отлавливает такие случаи почти идеально.