首页
下载APP
首页
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 。
《xxnxx中国》，《Q8X2R7L1T4J5M9B6W3》公牛与女人一级毛
“美女一级A片视频”
亚洲乱妇久久
……
01月31日
“极度强奸三级片”喜卷常乐城
↓↓↓
01月31日，两岸黄姓宗亲武汉江夏寻根祭祖共话乡谊，性一交一乱一伦一色一情免费视频，偷拍视频免费，天天干,天天爽，女战士被挠脚心视频
01月31日，电动自行车超标电池售卖乱象：线下门店称可订购超标电池，26uuu国产电影一区二区，欧亚Aⅴ男女专辑，日韩av无码天堂，marutean动漫
01月31日，生态环境部印发《关于进一步深化环境影响评价改革的通知》，欧美中文不卡在找年底的，jul185，野外一级A片XXXX，女生裸体网站
01月31日|（聚焦海峡论坛）茶香飘两岸 吴振铎茶文化驿站福建福安揭牌成立|每日大赛 反差大赛 官网|人人操人插|亚洲一区二区三区观看|wwwwa片直播
01月31日|国铁集团：2024年春运预计全国铁路将发送旅客4.8亿人次|视频网站h欧美|三级色色网|AV天堂久久精品|r猸愶笍
01月31日|安徽大别山：雨后小镇入画来|欧美AAAAAAA|一级黄性爱视频|玖玖视频在线免费观看|色伦色精品全国免费视频……
01月31日，王沪宁会见瑙鲁议长斯蒂芬，雷神乳液狂飙，欧美BBB桑啪啪外交，jizz免费在线国产，欧美成年人性生活
01月31日，“盛装舞步”千年前曾流行西域，日本亚洲福利一站，亚洲丁香五月激情综合暖暖，亚洲一区毛片av网站，88888夜夜爽
01月31日|2023微博之夜收官 以社交之力发挥价值导向作用|www.超碰在线.com|色逼黄片毛片|美丽密桃2|黄情网站日本免费在线
01月31日，冰天雪地也是金山银山｜乘势而上打造冰雪经济高地，云缨撕开内衣露双乳狂射，欧美激情视频A片欧美A，有哪些免费看黄色的网站，国产三级网页
01月31日，如何打破汽车数据“孤岛”？业界共探汽车数据要素未来之路，五月天婷婷色色色色色狠狠干，中文字幕第在线观看，狂気拷问国产一区，Free HD XXXⅩ China麻豆
01月31日，上升12名居407位！海尔智家再入《财富》500强，国产黄视频网站地址，欧美大屁股眼子XXXXX，人人看97，www.127.com羞羞影院
01月31日|中新健康｜中国专家成功探索“极速康复”管理 带来医疗成本控制新策略|超碰激情|欧美性爱视频入口线路|欧美性爱黄色A片一区二区|小A片网站
01月31日|（财经天下）二季度多国经济表现向好|人人干人人操人|极品人妻波多野结衣瑜伽裤|国内视频偷拍网站|视频在线播放一区
01月31日|四川将打造西部地区创新高地 提高科技进步对经济增长贡献率|国产黄色妓女插逼|女性向 片在线观看无删减|黄网站免费看视频无下载一区|国产69堂无码一区二区三区
王俊凯 周正没我小时候被打的狠，你想过为什么买家晒图一模一样吗|中国驻英大使：稳定和互惠互利的中英关系利于两国和世界|黃色日片|风险提示:保险公司在高速上无法开展道路救援服务|a片网站在线免费观看美女视频|欧美性爱之品爱网
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
交通运输部：中国先后建成厦门远海、青岛前湾等49座自动化码头
北江下游将现近百年一遇洪水
海外华裔青少年北京行：感受传统与科技的碰撞
港股十连涨
香港入境事务处举行新总部开幕典礼
首届东坡诗文奖将于海南举办
滥用公众人物声音恶搞，AI技术应用“玩过界”被质疑
改善经营主体预期 增强发展内生动力（评论员观察）
中国工程院院士邢锋担任暨南大学校长
中方将给予瑞士单方面免签待遇
亚洲黄色网站网址视频
欧美性全黄性播放
日韩丝袜国产
激情小说乱伦视频
huangse网站手机在线观看品爱网
喜多川同人18禁本子
纲手巨胸被 爆乳视频
欧美成 人嘿咻在线视频
欧美操爱视频
三级视频大全
闽公网安备 35010302000113号