羞羞无遮挡漫画,界面清爽、功能强大,专为极致体验而生

首页 >新闻 >社会新闻

JustGRPO：扩散语言模子的极简主义回归

2026-01-29 19:44:34

泉源：

猫眼影戏

作者：

张三影

手机审查

　　猫眼影戏记者刘兴报道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：又大又粗又爽A级毛片免费看

??01月29日,斗鱼2024“护苗·鱼阅计划”公益活动启动,

　　“被抓回来的话，我要让你们深刻明确，什么叫生不如死！”一个头领森然启齿，令人感受到了一股砭骨的寒意。

,A片代码。

??01月29日,（两会声音）代表委员话“一山一河生态事”,

　　事实上，在那张金色狼皮显威、发动攻击时，它就已经化成了一道金色的光束，最先在原始山脉中逃亡了。

,硬又黄又黑又粗又长又大,毛片一级精品 A级,一级黄色片免费的。

??时势2：日韩黄片性爱

??01月29日,双汇《这！就是街舞》青少年街舞交流赛在京举行,

　　“你们想怎样？”一位年岁很大的族老颤颤巍巍的上前问道。

,日韩性爱第一页,911亚洲精品国产,一级a爱做视频免费观看。

??01月29日,2024年全国台联第三十届台胞青年冬令营重庆分营开营,　　“我们重视瑞士为准备和会所做事情，多次向瑞方提出建设性意见，瑞士方面临此一直予以起劲评价和谢谢。当今天下种种聚会许多，能否加入，怎么加入，中方将凭证自身态度自主决议。”这是王毅的原话。,www.yjsld.com,国产一级A片免费视频播放,熟妇圣水。

??时势3：胡桃脱下裤子露双乳

??01月29日,日本北海道新千岁机场两客机相撞,

　　小不点在远处看了一会儿，驾驭独角兽迅速远去，他并没有进城，怕生出什么变故，由于城门口有人在盘问。

,2020中文字幕在线观看,国产福利在线二区,国产男女猛烈无遮掩免费视频。

??01月29日,中欧班列（深圳）上半年发运货值同比增长超三成,

　　奔行数十里，毛球突然愣住了，它眼中一阵疑心，失去了感应，不再急躁。

,精品草B啪啪视频,18岁能看黄色网站视频,欧美性爱精品久久。

??时势4：亚洲三区五区七区精品

??01月29日,吉林市诚意引才为万名大学生提供文旅福利,

　　“一战分个输赢！”雷明远喝道。他腾身而起，一纵就是二十几米，横空而过，头前脚后，一掌拍向紫山困，说究竟他是照旧要执行父兄的下令。

,动漫裸体秘免费看网站,精品久久久国产视频,免费一级A片无码韩国电影网站。

??01月29日,【新疆故事】油画家库尔班江：小画布里的大情怀,

　　4、团结协作。

,舒淇一级毛片18秘色,视频网站A片,a级毛毛毛。

【众行致远｜听总书记说“构建人类命运共同体”】

【拱北海关原党组书记、关长周斌被开除党籍】

责编：李跃树

审核：刘国光

责编：尤计富

k1体育麻将胡了

JustGRPO：扩散语言模子的极简主义回归