世界模型正被广泛用于规划，规划器通过模型想象的回报对候选动作进行排序。然而，这些模型的评估主要依据帧渲染的视觉忠实度，即使画面逼真，仍可能产生错误的回报预测。\ \ 为定位这种不匹配，我们提出了一种基于转移层面的诊断方法：用真实转移替换想象转移，并在与随机对照相同的预算下测量回报误差的降低。\ \ 发现一：奖励获得或回合结束的少数关键步骤——事件转移——的像素误差与其他步骤相当（中位像素误差比 0.85），但恢复这些转移可消除中位 70% 的回报误差。相比之下，仅恢复像素误差、SSIM 或 LPIPS 最大的转移效果不如随机选择。在 44 对通过可靠性检查的 Atari‑100k 模型‑集合中，事件补丁在 39 对上优于随机补丁（符号检验 p=1.4×10⁻⁷），中位提升 44 个百分点。\ \ 发现二：剩余误差呈结构化分布。一个互补补丁能够将真实事件处的错误与其他位置的错误分离；八步的时间容忍度只能恢复少数模型漏掉的事件。这一结构也指引了修复策略：在四种修复结果已知前记录的规则能够预测扩散模型何时修复这些失败。事件补丁提升了计划排序，同样的集中现象也出现在奖励稀有的控制任务上。\ \ 点评