猫眼影戏
 |
|
猫眼影戏
张一飞
手机审查
猫眼影戏记者 罗露露 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：亚洲一区二区色片
??02月03日,安徽问计寻智提升新能源汽车“国际范”,
“勤练就可以了。”小不点欠盛意思的挠了挠头，由于背着这么重的猎物奔驰，在微微喘气，小酡颜扑扑，像个大苹果。
,无码无套中出内原美智子。??02月03日,中国发放“聚英卡” 外国人可实现264项民生服务“一卡通用”,
“着实没什么可说的，最简朴与质朴的原理皆蕴含在通俗的事物中。古树折断，也许会死，由于生气早竭。如那韭菜，初种下时发黄且细弱，可是一茬又一茬的割过，却会愈发浓绿，逐渐粗大。也如那蚕，若困于茧中，自会憋死、殒命，可若是破茧而出，就会化成蝶，鲜艳亮丽，这是一次涅槃，飘逸已往。”
,www.773c.cn免费网站入口申请退款,白丝校花扒腿让我c在线观看网站在线看完整,91丰满奶水狂射。??时势2：黄片无内衣
??02月03日,中印尼机构携手打造产学研校企国际合作基地,
统一时间，在其他三个偏向也泛起了三位至强者，登临石崖，俯视石村。
,为爱igao激情在线观看,免费一级特黄AA片欧美,久久精品视频网站首页。??02月03日,高校体育场地如何开放才合理？,
这是一种极其恐怖的气息，观战的人都被掀飞了出去，许多人发出惨叫。
,GayFUCK老头巨大FuCk~,96在线免费视频,A片视频免费在线观看。??时势3：国产一级婬片A级AAA男男
??02月03日,飞虫为何扑灯？国际最新研究揭秘,
小孤山镇，诸强骇然，由于连他们都听到了山脉深处的声音，抬眼望去，那里一片混沌气缭绕，十几块兽骨镇压了无垠的山脉，无人能看透。
,人人看人操人碰,97人人模人人靠人人弄,亚洲国产欧美日韩在线观看91。??02月03日,华侨大学旅游管理学科成立40周年,
一要学经济，切实提高向导群众致富的能力。俗话说“村看村，户看户，群众看的是干部”。因此，镇村干部要多学习科技文化知识和市场经济知识，切实掌握致富的真本事，起劲成为群众致富的领头雁，向导各人配合致富。只有这样，镇村干部在群众中才华有说服力和威信。
,美女被c网站,无遮挡又黄又刺激的视频网站,一级国产多爽多色视频按摩。??时势4：无机杀手拔萝卜图片
??02月03日,（新春走基层）新成昆铁路动检列车成“年货专列” 丰富川滇两地年味,
石子陵大喝，手中长矛一挑，原始符文成片，向前攻击，黄金色的光线将前方淹没。
,free厨房老Bn老少配,欧美人妻色图,国产V综合V亚洲欧美久久。??02月03日,“该改的坚决改，不该改的不改”（思想纵横）,
在随后的很长一段时间里，小不点一直昏昏沉沉，在生死间彷徨，虚弱的不可样子，生命似乎随时会干枯，关于爆发的事并不知晓。
,视频网址国产精品入口,3dh动漫无码中文,久久av网址。【助力雪域高原教育事业提质增效（深聚焦）】
责编：佛尼亚克
审核：李景端
责编：辛玲
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
