猫眼影戏
 |
|
猫眼影戏
李曦
手机审查
猫眼影戏记者 俞胜利 报道Q8X2R7L1T4J5M9B6W3
扩散语言模子（Diffusion LLMs, dLLMs）因支持「恣意顺序天生」和并行解码而备受瞩目 。直觉上，突破古板自回归（AR）「从左到右」的约束，理应付与模子更辽阔的解空间，从而在数学、代码等重大使命上解锁更强的推理潜力 。
然而，本研究展现了一个反直觉的现实：目今的恣意顺序天生，反而通过「规避不确定性」收窄了模子的推理界线 。
基于此，本文提出了一种回归极简的要领——JustGRPO 。实验批注，在 RL 阶段让模子自回归天生，并直接用标准的 GRPO 举行训练，即可逾越目今种种针对 dLLM 设计的 RL 算法体现 。更主要的是，这种训练方法在提升推理体现的同时，并未牺牲dLLM 引以为傲的并行解码能力 。
论文问题：The Flexibility Trap: Why Arbitrary Order Limits Reasoning Potential in Diffusion Language Models论文链接：https://huggingface.co/papers/2601.15165项目主页：https://nzl-thu.github.io/the-flexibility-trap论文代码：https://github.com/LeapLabTHU/JustGRPO
「无邪性陷阱」：
为什么选择多反而考欠好 ？
为了探讨「无邪性是否等同于推理潜力」，本文引入了 Pass@k 作为焦点权衡指标 。该指标量化了在 k 次采样中至少天生一个准确谜底的概率，能够有用反应模子解空间的笼罩广度以及 RL 训练可引发的推理潜力上限（Yue et al., 2025） 。
比照实验涵盖了两种主要的解码模式：
恣意顺序（Arbitrary Order）：允许模子凭证置信度动态选择天生顺序，这是扩散语言模子的标准解码方法 。AR 顺序（AR Order）：约束模子遵照古板 LLM 从左到右的天生顺序 。
实验效果展现了一个值得深思的趋势：虽然恣意顺序在 k=1 时体现尚可，但随着采样次数 k 的增添，AR 顺序的 Pass@k 曲线不但攀升速率更快，且最终抵达的上限显著更高 。这批注，在涉及重大推理时，AR 顺序现实上可资助模子笼罩更辽阔的准确解空间 。
图：限制 dLLM 使用标准的 AR 顺序，反而比无邪的恣意顺序拥有更高的推理上限 。
熵坍塌征象
为何看似受限的 AR 顺序反而更具潜力 ？这与两种顺序如那里置不确定性有关 。
在自回归模式下，模子被迫直面第一个未知 Token ；而在恣意顺序模式下，模子则有跳过（bypass）目今不确定 Token、优先填充后续更确定的内容的「特权」 。统计显示，被频仍跳过的往往是诸如「Therefore」、「Thus」、「To」等逻辑衔接词（下图左）：
图左：恣意顺序下，模子倾向于跳过不确定token而先填后续token，且这些被跳过的token往往是一些逻辑衔接词 ；图右：这些逻辑衔接词解码时的entropy显著低于自回归顺序（虚线代表average token entropy） 。以上效果为LLaDA-Instruct在MATH-500数据集的效果 。
已有事情（Wang et al., 2025）批注，这些逻辑衔接词往往起到通往差别推理路径的功效，且将这些词坚持高熵状态对模子探索富厚的解空间至关主要 。而在恣意顺序下，这些衔接词被解码时的熵（Entropy）显著低于自回归顺序（上图右） 。
我们将这种征象称为「熵降级」（Entropy Degradation） 。形象地说，模子使用了恣意顺序的无邪性举行了一种「局部贪心优化」：它跳过了艰难的推理决议点，试图通过先天生后续上下文来「凑」出逻辑毗连 。虽然这在单次天生中可能有用，但却牺牲了对多样化推理路径的有用探索 。
图：恣意顺序天生倾向于绕过高熵的逻辑毗连词，导致解空间过早坍缩 。
返璞归真：
JustGRPO
既然「恣意顺序」反而可能限制推理路径的探索，本文提出了一种回归极简的要领——JustGRPO 。差别于现有 RL 算法，JustGRPO 不再试图用种种近似处置惩罚以显式保存恣意顺序特征，而是选择了一条更为彻底的路径：
在 RL 训练阶段，直接摒弃对恣意顺序的执念，强制扩散语言模子接纳自回归（AR）顺序天生 。这样不但坚持了更辽阔的推理路径，同时也让我们得以直接复用成熟的 GRPO 算法举行优化 。这种「天生轨迹简直定性」也自然使得强化学习时的信用分派（Credit Assignment）越发清晰，有助于模子更有用地学习鲁棒的联合漫衍 。
值得一提的是：「训练时的约束」≠「推理时的退化」
自回归的约束仅保存于训练阶段 。它的目的是为了让模子更有用地举行 RL 阶段的探索与信用分派，模子自己的双向注重力机制并未被破损 。一旦训练完成，我们依然可以在推理阶段无损地应用并行解码，在享受 AR 训练带来的更优推理体现的同时，保存扩散模子引以为傲的天生速率 。
实验效果：
简朴，但极其有用
性能大幅提升
在数学推理和代码天生这两类通用的推理使命上，JustGRPO 均有优异的体现：
数学推理：在 GSM8K 和 MATH-500 上，模子展现了极高的推理上限，准确率最高划分可达 89.8% 和 45.2%，相比之前的最佳要领（SPG）显著提升 。
代码天生：在 HumanEval 与 MBPP 数据集上，准确率划分抵达 49.4% 和 52.4% 。
表：JustGRPO在多个基准测试中逾越了现有的 dLLM 强化学习要领，基座模子：LLaDA-Instruct 。注：LLaDA-1.5使用了大规模私有数据集训练、LLaDOU在训练中引入了特殊 ？，因此未列入比照 。
并行能力不但没丢，还更强了
一个可能的担心是：用 AR 方法训练是否会让 dLLM 退化，失去其并行优势 ？实验效果恰恰相反 。使用现成的 training-free 并行采样器（Ben-Hamu et al., 2025），JustGRPO 训练后的模子在并行解码下体现更佳 。例如在 MBPP 数据集上，当每步并行解码 5 个 Token 时，JustGRPO 相比基座模子（LLaDA-Instruct）的准确率优势从单步的 10.6% 扩大到了25.5% 。
这批注训练后的模子学到了更鲁棒的联合漫衍，使其更能顺应并行采样历程中的近似误差 。
图：JustGRPO 训练后的模子在并行解码时体现出更好的速率-精度权衡 。
结语：
少即是多
这篇事情挑战了该领域的一个普遍假设，即「必需在 RL 中保存恣意顺序无邪性」 。事实证实，通过限制训练时的天生顺序，迫使模子直面逻辑分叉点的高不确定性，反而能更有用地引发 dLLMs 的推理潜能 。
JustGRPO以一种极简的方法，实现了推理能力的大幅提升，同时未牺牲扩散模子标记性的推理速率 。也希望借此事情启发社区重新审阅「恣意顺序天生」在通用推理使命中的真实价值 。
??时势1：实践拍击OTK
??02月03日,贵州省黔东南州委原书记安九熊受贿案一审开庭,
??02月03日,山西古建筑100问——“千年府衙”督军府为什么曾长期是山西的政治中心？,
尊重的列位同仁们：
,国产一级91无码乱码电影,538.com在线视频播,免费观看的黄视频 。??时势2：祼睡的丹丹自进
??02月03日,第十三届郑仙诞文化旅游周在广州白云山启动,
“爷爷，我去解决后患 。”小不点站起身来 。
,女生叉开腿让男生桶,杰佣本子(战争后遗症),最新热播无码视频。 。??02月03日,最高法：坚持严格保护知识产权，重拳打击侵权假冒行为,
青鳞鹰振翅，化成一股狞恶的风，瞬间扑了过来，两翅一展，一下子护住了三枚蛋，此后仔细的盯着那枚花纹交织、晶莹闪亮的特别的蛋 。
,欧美强奸肉丝袜黄色网站,黄片黄色∩nn欧美,91国内视频在线 。??时势3：亚洲一级AV黄片在线免费播放
??02月03日,照护老人的人，也需政策“照护”,
真的逾越了，谁人小小的身影如天神一样平常，眸子中神光爆射，穿云破雾，如两道闪电划破长空 。
,免费 秘,观看一级免费黄色网站,无码专区中文字幕在线视频 。??02月03日,首届青少年三大球运动会将于11月举行 运动会主标识在京发布,
一群独角兽大乱，一直嘶鸣，可是却没有任何步伐，小不点太强了，力大无限，连着撞飞了十几头凶兽 。
,爆乳女神一线天在线观看,91在线无码,成人 高潮片免费视频舌吻 。??时势4：色悠悠一区二区
??02月03日,广西政协委员赖家益：呼吁电商主播维护“酒香不怕巷子深”的商业环境,
一缕缕曦发出，化成一团团光雾，将小不点淹没，好长时间才散开 。
,5773tv直播nba免费观看,欧美 视频 偷拍,操逼视频黄色小网站 。??02月03日,实拍江西湖口秋粮归仓,
“交出宝扇，连忙放人，不然将你镇杀在此！”
,技女视频,小,穴,想要视频,女仆呻吟 。责编：帕库拉
审核：王人镇
责编：程友平
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
