2026年7月5日，阿里巴巴与清华大学合作论文入选AI顶会ICML杰出论文，获奖率仅千分之一。该研究首次揭示扩散大语言模型（dLLM）的“灵活性陷阱”：在处理数学、编程等推理任务时，dLLM的“任意顺序生成”会使模型绕过逻辑难点，导致“熵退化”并降低推理性能。为此，团队提出极简方案“JustGRPO”，在强化学习训练中放弃任意顺序，强制模型从左向右生成。该方法不仅规避了复杂的工程难题，更在GSM8K测试集上达到89.1%的准确率，全面超越现有专为dLLM设计的复杂算法，成功刷新扩散模型推理纪录。