章闻铎没什麽反应，这本来就是基准，连差一点的模型都能过的题，不算什麽。
从第十一组开始，是探针的核心序列。
他设计了一套「状态追踪「题组：同一个场景，以十七种不同的表述方式喂给模型。
措辞不同，信息顺序不同，中间插入大量干扰句，为的就是破坏语义的注意力机制。
如果模型只是在做语义匹配，换了表面形式之後答案就会飘移。
想要保证答案的一致性，需要模型在它内部维护一个「世界状态」，这样无论表面怎麽变化，逻辑答案都应该保持一致。
当然，现在的大语言模型都不会去「维护」这个状态，但是章闻铎想要探索的方向是：
如果模型在训练过程中形成了稳定的因果结构表徵，它就可以表现得「像」是有一个内部状态一样，输出得答案就应该保持一致。
之前他在国外的顶级模型上进行过小范围验证，答案如他预料的一样，没有模型能够表现出这种能力来。
然而汤圆不一样。
终端里，汤圆的答案一条条输出，现在已经进行到了第十五组验证。
前面几组验证数据的特徵值已经远超章闻铎验证过的国外顶尖模型。
而第十五组的最後一个变体，在插入了七条干扰句，汤圆依然输出了正确答案，并且在它的思考过程中还提示了更多的信息：「需要注意的是，尽管文中多次提及初始状态，但根据第三段的描述，该状态在後续已发生变化，正确答案应基於最终状态而非初始状态。」
探针还在继续运行。
但是章闻铎的心思已经不在屏幕上了。
基於现在看到的这冰山一角的结果，他已经预感到了。
汤圆作为一个纯语义训练的模型，理解世界状态的能力大幅高於他测试过的其他模型。
这说明了什麽？
章闻铎抬头看了看窗外，时间已经从清晨到了上午，而他完全没有察觉。
京城的天空今天是一片澄澈的蓝色，没有一丝云。
那条他以为走不通的岔路，其实走得通。
高质量的原始数据和语义标注对世界模型的方向也是有意义的。
章闻铎的心里说不好是开心还是痛苦。
他不再关注还在运行的探针脚本，起身去接了一杯水。
妈蛋，论文要重新写了一结论还是一百八十度的大掉头！