🚨 BREAKING: Peneliti Meta menunjukkan model 2 juta jam video. Tidak ada label. Tidak ada buku teks fisika. Tidak ada pengawasan sama sekali. Kemudian mereka menunjukkan klip di mana sebuah benda menghilang di balik dinding dan tidak pernah kembali. Model menandainya sebagai salah. 🤯 Itu telah mempelajari keabadian objek. Konsistensi bentuk. Dinamika tabrakan. Sepenuhnya dari menonton. Yang lebih mengejutkan: bahkan model yang dilatih hanya pada satu minggu video unik mencapai kinerja di atas peluang pada deteksi pelanggaran fisika. Itu bukan kebetulan. Itu prinsip. Wawasan utama dari makalah ini: ini hanya berfungsi ketika model memprediksi dalam ruang representasi yang dipelajari, bukan dalam piksel mentah. Model harus membangun model dunia internal, terkompresi dan abstrak, dan memprediksi terhadap itu. Prediksi ruang piksel gagal. LLM multimoda yang beralasan melalui teks gagal. Hanya arsitektur yang membangun representasi abstrak sambil memprediksi input sensorik yang hilang, sesuatu yang dekat dengan bagaimana ilmuwan saraf menggambarkan pengkodean prediktif, yang benar-benar memperoleh intuisi fisika. Yang berarti pengetahuan inti yang diasumsikan para peneliti harus disambungkan mungkin hanya pengamatan dalam skala besar. Bayi belajar keabadian objek dengan mengamati sesuatu. Ternyata prinsip yang sama berlaku di sini. Sekarang inilah bagian yang tidak dibicarakan siapa pun. Jika pengamatan saja mengajarkan model aturan dunia fisik, apa yang terjadi ketika Anda menerapkan prinsip yang sama pada sistem produksi? Produksi juga memiliki fisika. Bukan gravitasi. Tetapi aturan sama konsistennya: yang menyebarkan menyebabkan insiden pada jam 3 pagi, kombinasi konfigurasi mana yang berinteraksi berbahaya, jalur kode mana yang diam-diam menurun di bawah beban, perubahan layanan mana yang menyebabkan kegagalan dua lompatan jauhnya. Pola-pola ini tertanam dalam ribuan lintasan. Dorongan kode, pergeseran metrik, tiket pelanggan, garis waktu insiden. Sebagian besar tidak diamati. Tentu saja tidak berlabel. Tidak ada yang menulis runbook yang mengatakan "jika layanan A menyebarkan dengan bendera X aktif dan layanan B di atas 70% CPU, latensi pada layanan C menurun 40% dalam waktu 6 menit." Tapi pola itu ada. Ini dapat diulang. Dan itu ada di data observabilitas Anda saat ini, tidak terlihat karena tidak ada yang membangun model untuk menemukannya. Itulah celah yang @playerzeroai coba tutup. Bukan pelari tes lainnya. Bukan ambang peringatan lainnya. Model dunia produksi yang mempelajari hal-hal mana yang terputus dari akumulasi pengamatan, dengan cara yang sama model Meta mempelajari gravitasi. Itu tidak memeriksa cakupan pengujian Anda. Ini memprediksi lintasan kegagalan. Satu minggu video sudah cukup untuk mengetahui bahwa benda padat tidak menembus dinding. Pertanyaannya adalah seberapa banyak pengamatan produksi yang dibutuhkan sistem Anda sebelum model mulai memprediksi di mana sistem Anda akan rusak selanjutnya. ...