7月5日，阿里巴巴与清华大学合作的论文The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models（灵活性陷阱：重新审视扩散语言模型中任意顺序生成的价值）入选AI顶会ICML杰出论文（Outstanding Paper），杰出论文是ICML最高荣誉，代表当年最具影响力的研究工作，通常只授予2-3篇，获奖率仅占接受论文的千分之一。
研究发现，不确定性高的关键逻辑节点（如“因此”“因而”），像是一个分叉口。若采用从左向右的顺序，模型必须在此处当场作出选择，生成下一个token，不能跳过。若应用任意选择生成顺序，模型会倾向于绕过这些难点，优先处理容易的部分。等回头再填充这些节点时，前后文已经确立，原本的推理分叉口变成了填空题——答案被上下文锁定了。
“JustGRPO”训练完成后，模型推断能力速度不受影响，推理效果大幅提高。在GSM8K（业界衡量大模型推理能力的标准测试集，包含约8500道多步推理小学数学应用题）上实现89.1%准确率，全面超越d1、ESPO、SPG、GDPO等所有为扩散AI模型专门设计的复杂强化学习算法方案。
具体来看，此前，为dLLM设计强化学习算法架构面临一系列工程难题，比如生成顺序不固定导致无法准确归因每个词的贡献，各团队不得不引入各种复杂手段。“JustGRPO”则是一种大道至简的方法，类似于当所有人在给左手练力量，有人说：为什么不直接用右手？
基于这一发现，团队提出的解决方案是“JustGRPO”——意为在强化学习训练阶段放弃任意顺序，强制大模型从左到右生成，采用GRPO就可以了。GRPO是一种主流算法方案，让模型对同一道题生成多组答案、通过组内优劣对比来优化策略。
需要说明的是，选择权被悄悄消解，研究者将这一现象命名为“熵退化”。实证训练数据证实了这一现象：在HumanEval代码生成任务上，从左往右顺序能解出、而任意顺序解不出的题目占21.3%，反向仅0.6%。且顺序的自由度越大，推理性能越差。
图说：从左向右的自回归顺序（a）迫使模型在每个逻辑分叉口做出选择；任意顺序（b）绕过难点，优先处理容易部分，导致推理路径被提前锁死。（图片翻译自论文）
图说：2026年7月5日，ICML 2026主席团公布两篇杰出论文名单，阿里巴巴与清华大学合作的论文入选。
姚班学霸陈立杰：16岁保送清华，18岁拿下IOI世界冠军，现摘得FOCS 2019最佳学生论文
OpenAI宋飏被Meta挖跑了！扩散算法模型崛起关键人物，加入MSL再会师清华校友赵晟佳
（附：论文下载地址https://arxiv.org/abs/2601.15165）
行业首个具身原生世界动作AI模型来了！蚂蚁灵波发布LingBot-VA 2.0
山东科技胜过吉大，湖南大学超哈工大，US News2022世界大学排行榜引热议
根据官方公布的信息，QS最新大学排名惹争议：深大南科大再获认可，上海大学超华科，人大校友心里最苦
1688全面AI化：上线“1688 AI版”App以及免费查企工具“88查”
极简方案刷新扩散AI模型推理纪录，阿里巴巴集团清华论文入选ICML杰出论文
AI聪明够了，行动呢？WAIC首夜，来聊点下一步的真实判断｜活动报名
本文由阿里x清华提供，量子位获授权转载，观点归原作者所有。
第十一届中国航空创新创业大赛报名开启｜熵跃苍穹 无界新元
阿里巴巴官宣新晋升季名单 蒋凡王磊等人晋升到M7/P12
版权所有，未经授权不得以任何形式转载及使用，违者必究。
2026年世界AI大会，7月17-7月20上海举办
业内人士普遍认为，这一进展将对行业产生深远影响。
从目前的发展态势来看，该领域还有巨大的增长空间。
行业观察人士认为，这将成为未来竞争的关键赛道。
伴随技术不断成熟，商业化落地进程也在加快。
持续的技术创新正在推动产业升级。
持续的技术创新正在推动产业升级。
2022USNews世界大学排名
整理编辑：硅基前哨