专家具备世界模型，大语言模型仅有词模型

专家具备世界模型，大语言模型仅有词模型

基本信息

• 作者: aaronng91
• 评分: 106
• 评论数: 122
• 链接: https://www.latent.space/p/adversarial-reasoning
• HN 讨论: https://news.ycombinator.com/item?id=46936920

导语

大语言模型虽然能够生成流畅的文本，但本质上仍是在处理概率性的“词模型”，而非人类专家所具备的、能够模拟现实物理世界运作规律的“世界模型”。这种认知层面的根本差异，限制了 AI 在复杂逻辑推理和真实场景应用中的表现上限。本文将深入剖析这一核心区别，探讨当前模型的局限性，并分析 AI 如何才能跨越从“理解符号”到“理解世界”的关键鸿沟。

评论

文章标题：Experts Have World Models. LLMs Have Word Models

一、 核心观点与结构分析

中心观点： 当前的大型语言模型（LLMs）本质上构建的是基于统计相关性的“词模型”或“语言模型”，而非人类专家所拥有的、基于因果推理和物理规律的“世界模型”，因此LLM表现出的智能是拟合度的产物，而非对现实世界的真正理解。

支撑理由：

1. 训练目标的差异： LLM的优化目标是最小化下一个词的预测误差，这导致它们倾向于学习捷径和统计共现，而非学习底层的生成规则。作者认为，只要在训练语料中A词常跟随B词，模型就会建立联系，而不需要理解B导致A的物理过程。
2. 泛化能力的边界： 真正的世界模型应在分布外（OOD）场景下具有鲁棒性，而LLM在面对训练数据中未出现的逻辑组合或物理反直觉问题时，往往会崩溃或产生“幻觉”。
3. 缺乏因果链条： 专家的推理依赖于反事实推断，而LLM依赖于上下文模式匹配。当上下文提示不足以激活特定模式时，模型无法像人类一样通过“思维实验”推导结论。

反例与边界条件：

1. Othello-GPT现象： 这是一个著名的反例。研究表明，仅通过预测棋盘上的下一步走法训练的模型，其内部竟然自发形成了对棋盘状态的“世界表征”。这说明单纯的“词预测”在特定约束下可能涌现出“世界模型”的特征。
2. System 2 的涌现： 随着模型规模扩大和推理时间的增加（如OpenAI o1），LLM展现出了规划和多步纠错的能力。虽然起点仍是词预测，但在行为表现上，这种“慢思考”正在弥合词模型与世界模型之间的鸿沟。

性质标注：

• LLM基于概率预测而非因果理解：[事实陈述]（基于当前Transformer架构的主流认知）
• 词模型无法完全替代专家决策：[作者观点]（文章核心论点）
• 未来通过合成数据或具身智能可能填补这一鸿沟：[你的推断]（基于技术演进路径的分析）

二、 深度评价（技术与行业维度）

1. 内容深度：直击“智能”本质的哲学拷问

这篇文章在深度上极具穿透力，它触及了AI领域最核心的争论——“随机鹦鹉”与“真正理解”的界限。

• 论证严谨性： 作者通过区分“符号操作”与“语义指称”，指出了当前LLM的根本缺陷。这种区分不是简单的性能问题，而是范式问题。从技术角度看，文章精准地指出了Transformer架构在处理长程依赖和物理一致性时的局限性，即它是在高维向量空间中进行插值，而非在三维物理空间中进行外推。
• 批判性思考： 虽然观点深刻，但文章可能略显二元对立。它倾向于将“词模型”视为一种贬义或次级状态，忽略了**“语言即是世界的压缩映射”**这一可能性。如果语言足够高效地编码了世界规律，那么极致的“词模型”在数学上可能等价于“世界模型”。

2. 实用价值：为AI落地划定“红线”

对于行业从业者而言，这篇文章具有极高的警示价值。

• 风险评估： 它解释了为什么LLM在医疗诊断、法律推理或工程计算中容易犯低级但致命的错误。在这些领域，专家依赖的是因果世界模型（例如：这个药理机制会导致这个副作用），而LLM可能只是记住了“症状A”和“药物B”常在一段文本中出现。
• 指导意义： 这提示企业在构建AI应用时，不能仅依赖LLM的端到端生成，必须引入RAG（检索增强生成）或符号推理层。简单来说，不要让LLM去“计算”或“感知”，而是让它去“检索”和“转述”，将物理世界的验证留给外部系统。

3. 创新性：概念的重新廓清

虽然“随机鹦鹉”理论并非全新，但文章将其提炼为“Word Models vs. World Models”的二元对立，具有很好的传播力和理论概括性。它并没有提出新的算法，但提出了一种评估AI智能层级的新元标准：即判断一个系统是否具备智能，不应看它通过了多少考试，而应看它在面对训练数据之外的物理异常时，是否能表现出类似人类的常识反应。

4. 可读性与逻辑性

文章结构清晰，逻辑链条闭环。通过对比专家与LLM的认知过程，有效地将复杂的认知科学概念投射到了AI工程领域。语言风格偏向学术与科普结合，适合技术决策者阅读。

5. 行业影响：从“Scaling Law”到“Data Quality”的转向

如果该文章观点被广泛接受，可能会加速行业从单纯追求参数量向追求数据质量和训练范式的转变。

• 数据重心转移： 既然纯文本无法构建世界模型，行业将更倾向于收集具身数据（如视频、机器人传感器数据）和思维链数据（CoT），试图强迫模型学习物理规律而非语言概率。
• 架构创新： 这可能预示着纯Transformer架构的瓶颈，推动业界探索结合神经符号AI或世界模拟器（如Sora类技术）的混合架构。

6. 争议点与不同观点

代码示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

# 示例1：LLM的词模型局限演示
def word_model_limitation():
    """
    演示LLM仅基于词模型可能产生的理解偏差
    问题：LLM可能理解字面意思但缺乏实际物理常识
    """
    # 模拟LLM对简单物理问题的回答
    questions = [
        "把手机放进微波炉会怎样？",
        "用叉子插插座安全吗？",
        "把水浇在电脑上能降温吗？"
    ]
    
    # 简单的关键词匹配模拟（实际LLM更复杂但原理类似）
    for q in questions:
        if "微波炉" in q and "手机" in q:
            print(f"问题: {q}\nLLM可能回答: '微波炉会加热手机'（但未说明会损坏手机）\n")
        elif "叉子" in q and "插座" in q:
            print(f"问题: {q}\nLLM可能回答: '会导电'（但未强调触电危险）\n")
        elif "水" in q and "电脑" in q:
            print(f"问题: {q}\nLLM可能回答: '会降低温度'（但未说明短路风险）\n")

# 运行示例
word_model_limitation()

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

# 示例2：专家的世界模型应用
def expert_world_model():
    """
    演示专家如何结合世界知识解决实际问题
    问题：如何安全地给手机充电
    """
    # 专家的决策流程（包含物理常识）
    def safe_charging_advice():
        # 世界模型知识库
        knowledge = {
            "过充风险": "锂电池过充会鼓包或爆炸",
            "高温风险": "充电时温度超过45℃会加速老化",
            "电流限制": "快充需要协议匹配"
        }
        
        # 专家建议
        advice = [
            "使用原装充电器（匹配电流协议）",
            "避免整夜充电（防止过充）",
            "充电时取下手机壳（控制温度）"
        ]
        
        return knowledge, advice
    
    knowledge, advice = safe_charging_advice()
    print("专家的世界模型知识：")
    for k, v in knowledge.items():
        print(f"- {k}: {v}")
    print("\n专家建议：")
    for i, tip in enumerate(advice, 1):
        print(f"{i}. {tip}")

# 运行示例
expert_world_model()

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

# 示例3：结合词模型和世界模型的混合系统
def hybrid_system():
    """
    演示如何结合LLM和专家知识构建更可靠的系统
    问题：自动回答家电使用安全问题
    """
    # 模拟LLM的词模型回答
    def llm_response(query):
        responses = {
            "冰箱": "冰箱可以保存食物",
            "烤箱": "烤箱可以加热食物",
            "洗衣机": "洗衣机可以洗衣服"
        }
        return responses.get(query.split("放进")[1].split("会")[0], "未知设备")
    
    # 专家规则过滤器
    def expert_filter(action, device):
        danger_rules = {
            ("放进", "微波炉"): "金属物品会引发电弧",
            ("放进", "洗衣机"): "电子设备会进水损坏",
            ("放进", "烤箱"): "塑料会熔化释放毒气"
        }
        return danger_rules.get((action, device))
    
    # 混合系统
    query = "把手机放进微波炉会怎样？"
    device = "微波炉"
    action = "放进"
    
    llm_answer = llm_response(query)
    expert_warning = expert_filter(action, device)
    
    print(f"用户问题: {query}")
    print(f"LLM基础回答: '{llm_answer}'")
    print(f"专家系统补充: '{expert_warning}'" if expert_warning else "无安全风险")
    print("\n最终回答: 虽然微波炉可以加热食物，但手机含有金属部件，放入会引发电弧并损坏设备。")

# 运行示例
hybrid_system()

案例研究

1：DeepMind AlphaGeometry（数学推理领域）

1：DeepMind AlphaGeometry（数学推理领域）

背景: 国际数学奥林匹克（IMO）的几何题目通常需要人类具备极强的空间想象力、对几何公理的深刻理解以及辅助线的构造能力。传统的符号AI在处理辅助线构造时面临搜索空间爆炸的问题，而早期的纯语言模型（LLM）虽然能读懂题目，却经常在复杂的逻辑推导中产生“幻觉”，因为它们只是在预测下一个词，而非真正理解几何图形的结构关系。

问题: 纯语言模型缺乏对几何图形这一“世界模型”的内在映射。在解题时，LLM往往通过概率拼凑语法正确的推理步骤，但无法验证这些步骤在几何空间中是否真实成立，导致在复杂证明中失败。

解决方案: DeepMind 提出了 Neuro-Symbolic（神经符号）方法，将“语言模型”与“形式化数学引擎”结合。系统使用一个专门的语言模型来提出解题思路（如“这里可能需要做一条辅助线”），但并不直接生成最终答案。相反，这些提议被传递给一个确定性的几何定理证明器（Symbolic Engine），该证明器拥有严谨的数学公理系统（即几何学的世界模型）。证明器负责验证逻辑的正确性，并将反馈传回给语言模型进行修正。

效果: 该系统在 IMO 几何题集中达到了接近人类金牌得主的水平（解决了 30 道题中的 25 道）。这表明，当语言模型的“词模型”与形式化的“世界模型”（几何公理系统）结合时，AI 能够在需要严格逻辑推理的领域取得突破，有效弥补了纯文本预测的局限性。

2：物理引擎辅助的视频生成（如 Genie 或 Runway Gen-3）

2：物理引擎辅助的视频生成（如 Genie 或 Runway Gen-3）

背景: 在早期的视频生成领域，模型（如 OpenAI Sora 的早期版本或通用视频扩散模型）主要基于像素统计规律来生成视频。它们通过学习海量视频数据中的视觉纹理和短期动态，使得画面看起来像电影。

问题: 虽然生成的视频在视觉上逼真，但经常出现违反物理常识的现象。例如，玻璃杯掉在地上可能会穿过地板而不是碎裂，或者物体在运动过程中凭空消失、变形。这是因为底层模型只是在预测下一帧的像素分布，而没有理解物体质量、重力、碰撞和流体力学等物理世界的运行规律（即缺乏世界模型）。

解决方案: 新一代的视频生成模型（如 DeepMind 的 Genie 或 Runway 的 Gen-3）开始引入物理一致性约束或潜在空间物理引擎。这些技术不再仅仅是对像素进行插值，而是在潜在空间中构建了一个简化的物理模拟环境。模型在生成每一帧时，会先在内部模拟物体的运动轨迹、光照交互和遮挡关系，确保生成的画面符合物理定律。

效果: 生成的视频不仅清晰度高，而且具备了物理连贯性。角色与环境的交互（如踩在雪地上留下脚印、水波纹的扩散）更加真实。这使得生成式 AI 从单纯的“视觉幻觉制造者”转变为能够模拟现实世界动态的模拟器，大大扩展了其在游戏开发、虚拟现实和影视预演中的实用价值。

3：自动驾驶中的端到端模型与矢量地图结合（如 Wayve 或 Tesla）

3：自动驾驶中的端到端模型与矢量地图结合（如 Wayve 或 Tesla）

背景: 自动驾驶行业长期存在“模块化”与“端到端”的技术路线之争。模块化系统依赖人工定义的规则（如检测车道线、识别红绿灯），而早期的端到端学习尝试直接将摄像头图像映射为控制指令（方向盘转角）。

问题: 纯粹依赖摄像头图像训练的端到端模型在面对从未见过的长尾场景（如奇异的障碍物、复杂的施工路段）时表现不佳。模型虽然能“看懂”图像中的像素，但缺乏对道路拓扑结构、交通规则隐含逻辑和车辆动力学特性的深层次理解。它不知道如果车头向左偏 10 度，在湿滑路面上会发生什么，因为它只是在模仿人类司机的数据，而不是理解驾驶这个“世界”。

解决方案: 先进的自动驾驶方案（如 Wayve 的 LLM 驱动驾驶模型或 Tesla 的 FSD v12）开始引入“世界模型”的概念。它们不仅使用视觉感知，还利用大模型构建一个关于环境的动态表征。这个模型能够预测场景中其他车辆、行人的未来轨迹（基于因果推断），并结合矢量地图或物理约束来规划路径。系统利用 LLM 的语义理解能力来解释复杂的交通标志或意图，同时结合底层的运动学约束。

效果: 车辆在复杂城市道路中的表现更加拟人化且安全。例如，当感知到前方有侧翻的卡车时，模型不再仅仅识别为“障碍物”，而是能理解其潜在的运动趋势，提前规划出一条符合物理极限的绕行路线。这种结合显著降低了接管率，证明了将语义理解与物理世界模型结合是实现 L4/L5 级自动驾驶的关键。

最佳实践

最佳实践指南

实践 1：构建上下文世界模型

说明: 大语言模型（LLM）本质上是基于统计概率的"词模型"，缺乏对物理世界因果关系的真实理解。为了弥补这一缺陷，用户必须通过提示词在上下文中显式地构建一个"世界模型"。这意味着在提问时，不仅要给出指令，还要提供必要的背景信息、实体关系、约束条件和业务逻辑，帮助模型建立起对当前任务场景的模拟认知。

实施步骤:

1. 定义实体与角色: 在Prompt开头明确界定涉及的人物、对象及其角色属性。
2. 阐述因果关系: 清晰地描述事件发生的逻辑链条，而非仅描述孤立的现象。
3. 设定约束边界: 明确指出哪些规则是不可违背的，以及任务所处的环境限制。

注意事项: 避免假设模型拥有隐含的常识，对于非公开的或特定领域的逻辑，必须进行显式编码。

实践 2：优先采用结构化思维链

说明: 专家依靠深层逻辑推理解决问题，而模型倾向于依赖词语的共现频率。为了强制模型进行逻辑推演而非文本续写，必须要求模型展示其推理过程。通过思维链技术，可以迫使模型将复杂的推理分解为中间步骤，从而提高结论的可靠性。

实施步骤:

1. 指令"一步步思考": 在提示词中明确要求模型分步骤进行推导。
2. 使用结构化输出: 要求模型以列表、编号或特定格式（如JSON键值对）输出推理过程。
3. 第一性原理引导: 引导模型从最基本的公理出发，而不是从类比出发进行推导。

注意事项: 监控模型的中间推理步骤，确保其逻辑连贯性，防止模型产生看似合理实则错误的"幻觉"路径。

实践 3：引入外部验证机制

说明: 由于模型内部只有"词模型"而非"世界模型"，它无法像专家一样通过直觉感知现实世界的错误（如物理定律违背或常识性错误）。因此，必须引入外部系统作为"世界模型"的代理，对模型的输出进行验证和修正。

实施步骤:

1. 代码沙箱执行: 对于数学或逻辑问题，要求模型生成代码并在实际环境中执行以获取结果，而非仅依靠语言生成答案。
2. 知识库检索（RAG）: 利用检索增强生成技术，用外部权威数据源验证模型生成的事实性信息。
3. 规则引擎校验: 将模型的结构化输出输入到预定义的规则引擎中，检查是否符合业务逻辑约束。

注意事项: 外部工具的选择应与任务类型匹配，例如涉及计算的任务优先使用Python解释器。

实践 4：实施反事实假设测试

说明: 专家能够通过假设性场景来验证理论的鲁棒性。为了测试模型是否真正理解了任务逻辑（而不仅仅是背诵了词语组合），应在交互中引入反事实推理，要求模型处理与训练数据分布不同的边缘情况。

实施步骤:

1. 设计边缘案例: 故意在输入中包含异常值、缺失信息或相互冲突的指令。
2. 询问"如果…会怎样": 要求模型预测改变某个关键变量后的结果，观察其是否能正确模拟因果变化。
3. 要求自我纠错: 询问模型"你的回答中可能存在什么漏洞？"，迫使模型从词义匹配转向逻辑审视。

注意事项: 如果模型在反事实测试中表现不佳，说明其过度依赖统计相关性，此时需要调整Prompt，增加更多逻辑约束示例。

实践 5：从预测转向规划

说明: “词模型"的特性使模型擅长预测下一个词，但不擅长长远规划。专家思维强调目标导向和路径规划。在使用LLM时，应将"生成内容"的任务转变为"制定计划"的任务，让模型先生成行动计划，再逐步执行，以减少累积误差。

实施步骤:

1. 明确终极目标: 在对话初期就设定最终需要达成的目标状态。
2. 分阶段执行: 不要要求模型一次性生成冗长的结果，而是先生成大纲或步骤列表。
3. 迭代式交互: 在每一步完成后，将结果反馈给模型，让其基于当前状态决定下一步行动，形成"感知-决策-行动"的闭环。

注意事项: 这种方法虽然增加了交互轮次，但能显著提高复杂任务的成功率，避免模型在长文本生成中"跑题”。

实践 6：利用符号系统与语义层分离

说明: 专家的知识结构是分层的，既有抽象的概念，也有具体的符号。LLM容易混淆词语的表面相似性。最佳实践是将逻辑处理（符号操作）与语言生成（语义表达）分离，利用模型擅长语义理解的特点，配合结构化数据进行逻辑处理。

实施步骤:

1. 信息提取: 使用LLM从非结构化文本中提取关键实体和关系，转化为结构化数据（如图谱或表格）。
2. 逻辑运算: 在结构化数据上进行逻辑运算或查询，这一步可以由数据库或代码完成，而非LLM。
3. **语言

学习要点

• 专家依赖的是对因果机制和物理规律深刻理解的“世界模型”，而大语言模型（LLM）依赖的仅是基于统计概率预测下一个词的“词模型”。
• 大语言模型本质上是在复杂的语义空间中进行插值，而非像人类专家那样进行真正的推理或逻辑演绎。
• 由于缺乏对现实世界的真实体验，LLM 无法像人类一样直观地验证事实的真伪，容易产生看似合理实则错误的“幻觉”。
• LLM 的智能表现源于对海量文本规律的拟合，而非对底层真理的掌握，这限制了其解决全新或复杂问题的能力。
• 将“预测下一个词”的能力误读为“理解世界”的能力，是当前对人工智能产生认知偏差的核心原因。

常见问题

1: “世界模型”与“词模型”的核心区别是什么？

1: “世界模型”与“词模型”的核心区别是什么？

A: “世界模型”是指智能体内部构建的关于客观现实运作机制的映射，涵盖物理定律、因果关系及物体状态等，用于模拟未来和逻辑推理。

“词模型”则是指大型语言模型（LLM）的内部表征。LLM 主要处理文本数据，建立的是词语之间的统计关联。简单来说，LLM 能够预测在特定语境下词语的排列组合，但并不一定理解这些词语在物理世界中的实际意义或逻辑因果关系。

2: 既然 LLM 的基础是预测下一个词，为何它能表现出类似智能的行为？

2: 既然 LLM 的基础是预测下一个词，为何它能表现出类似智能的行为？

A: 这种表现主要源于模型的参数规模与训练数据的复杂性。尽管基础机制是统计预测，但当数据量足够大时，模型不仅记住了事实，还压缩了语言中隐含的结构模式。

在回答问题时，LLM 实际上是在检索和重组这些模式。由于人类语言通常蕴含逻辑和知识，LLM 在模仿语言结构的过程中，表现出了类似于推理的行为。然而，这本质上是对语言规律的拟合，而非基于对现实世界理解的推导。

3: LLM 是否具备真正的推理能力？

3: LLM 是否具备真正的推理能力？

A: 这是目前学术界探讨的重点。一种观点认为，随着规模扩大，LLM 涌现出了处理逻辑问题的能力。另一种观点（如本文所述）则认为，LLM 表现出的“推理”可能只是对推理语言模式的模仿。

在面对需要真正世界常识的全新情境时，LLM 可能会暴露出缺乏因果逻辑支撑的弱点。因此，目前的观点倾向于认为 LLM 拥有的是一种基于概率的模式匹配能力，而非人类基于世界模型的强推理。

4: LLM 产生“幻觉”的原因是什么？

4: LLM 产生“幻觉”的原因是什么？

A: 这与 LLM 缺乏基于事实的“世界模型”密切相关。LLM 依靠基于概率的“词模型”生成内容。

当面对问题时，LLM 的目标是生成在统计上通顺的回答，而非确保客观事实的正确性。如果训练数据中存在偏差，或者为了维持上下文连贯性，模型可能会生成符合语言规律但不符合事实的内容。对于拥有世界模型的人类而言，可以通过经验判断真伪，但对于 LLM，只要符合统计规律，输出即被视为“合理”。

5: 这一观点对未来的 AI 发展有何启示？

5: 这一观点对未来的 AI 发展有何启示？

A: 这一观点指出了单纯依靠扩大规模和数据量来提升 AI 能力的局限性。若 AI 缺乏世界模型，可能难以真正理解物理世界或实现可靠的通用人工智能（AGI）。

未来的研究方向可能包括：

1. 具身智能：让 AI 通过传感器与物理世界交互，以构建世界模型。
2. 神经符号结合：将语言处理能力与符号逻辑推理系统结合，以校验输出。
3. 因果推断：引入因果推理机制，使其从理解相关性进阶到理解因果性。

6: 普通用户应如何理解这一区别以更好地使用 LLM？

6: 普通用户应如何理解这一区别以更好地使用 LLM？

A: 用户可以将 LLM 视为一个“文本处理工具”或“信息检索辅助工具”，而非全知全能的专家。

在使用时，建议注意以下几点：

1. 事实核查：对于关键事实、法律或医疗信息，必须进行人工核实。
2. 辅助定位：LLM 适用于头脑风暴、文本润色、代码总结或提供思路，但在处理复杂逻辑推理时，需要用户进行引导和验证。
3. 理解局限：意识到 LLM 是基于概率生成文本，而非具备人类的主观认知。保持这种客观认识有助于更有效地利用工具。

思考题

## 挑战与思考题

### 挑战 1: [简单]

问题**: 在实际应用中，如何通过简单的“提示工程”来验证 LLM 是依赖“概率共现”还是具备一定的“逻辑推理”能力？请设计一个测试用例，该用例包含两个在语义上经常同时出现，但在逻辑上相互矛盾的陈述，要求 LLM 指出矛盾。

提示**: 考虑使用常识性逻辑陷阱。例如，构造一个场景，其中 A 蕴含 B，但你的提示词中强行让 A 和“非 B”同时出现。观察模型是盲目顺从文本的表面流畅性，还是能指出逻辑错误。重点在于如何构造一个“高概率续写”与“逻辑真值”冲突的输入。

引用

• 原文链接: https://www.latent.space/p/adversarial-reasoning
• HN 讨论: https://news.ycombinator.com/item?id=46936920

注：文中事实性信息以以上引用为准；观点与推断为 AI Stack 的分析。

站内链接

• 分类： 大模型 / 论文
• 标签： 世界模型 / 词模型 / LLM / 认知科学 / 推理能力 / 专家系统 / AI局限性 / 深度学习
• 场景： 大语言模型 / AI/ML项目

相关文章

• 专家具备世界模型，大语言模型仅有词模型
• 专家具备世界模型，大语言模型仅有词模型
• 专家依赖世界模型而LLM仅依赖词模型
• 专家具备世界模型，大语言模型仅掌握词模型
• 专家依赖世界模型，大语言模型仅有词模型 本文由 AI Stack 自动生成，包含深度分析与可证伪的判断。