世界模型像是在脑中预演下一步，但它可能把墙“想”没了，内部数据看着正常，生成的场景却不可能发生。更麻烦的是，模型会把这次错误继续当作下一步的依据，越推演越偏。MEND瞄准的正是这种“潜在幻觉”：潜空间是模型压缩后的世界状态，人无法直接读懂，普通画面检查也未必能及时发现异常。
MEND不需要人工逐帧标错。它从真实的状态转移中学习正常变化，再用同一个评分网络完成检测、定位和修正：评分大小判断是否异常，每个图像小块对应的信号指出问题位置，信号方向则引导模型在运行时调整内部状态，不必重训原有世界模型。作者发现，深度连续推演时，最可疑的五分之一图像块承载了超过80%的总误差；在两个导航环境中，检测AUROC最高为0.80，局部定位AUPRC最高为0.87。作者同时承认，部分错误仍贴着正常数据范围变化，因此修正能力尚有限，现阶段更扎实的价值是上线前的无标签检测与定位。