AI写东西可以不按顺序？阿里清华发现：乱序生成反而害了推理能力
2026-07-07
到底发生了什么事？
AI写文章（比如生成一段话、写代码）通常像人打字一样，从左往右一个字一个字蹦出来。但最近几年出现了一种新玩法：让AI随便选顺序，比如先写中间、再补开头，最后写结尾。理论上这样更灵活，能写出更丰富的内容，所以很多大公司都在研究。
阿里和清华的团队发现：这个“灵活”在解决数学题、写代码这类需要逻辑推理的任务时，反而成了陷阱。
简单说就是：AI遇到难点（比如推理的关键词“因此”“所以”），如果顺序可以随便选，它会下意识绕开难题，先去写容易的部分。等回头再补难点时，前后文已经定死了，答案等于被“锁死”，反而算不对。
这跟普通人有什么关系？
你平时用AI帮忙算账、写代码、解复杂问题，背后可能就依赖这种“从左到右”的顺序。如果AI用了“任意顺序”方式，它的推理能力可能会偷偷变差。阿里清华的发现告诉我们：有时候，“按部就班”比“花里胡哨”更管用。
他们是怎么发现的？
- 在HumanEval（编程能力测试）上，从左到右能解出、但乱序解不出的题目占21.3%；反过来只有0.6%。
- 顺序越自由，推理表现越差。这个现象叫“熵退化”。
他们给出了一个极简单的解决方案：
放弃“任意顺序”，强制AI从左到右生成，然后用现有的强化学习算法GRPO（让AI自己对比多个答案，选最好的）训练就行。
这个方案名为JustGRPO，听起来像“就用GRPO呗”——因为其他团队为了适应乱序，已经发明了各种复杂算法，而阿里清华发现：不如直接回归最简单的做法。训练完的模型，在GSM8K（小学数学应用题测试）上准确率达89.1%，全面超过那些复杂算法。
这项研究已入选AI顶会ICML的杰出论文，这是该会议的最高荣誉，获奖率只有千分之一。