这篇研究论文出自上海科学智能研究院团队——第一作者夏翰宸研究员深耕Agentic强化学习与多模态扩散语言模型领域，共同第一作者陈保友担任同一研究院的主任研究员，通讯作者由复旦大学教授、上海科学智能研究院AI科学家、上海创智学院全时导师朱思语共同承担。研究团队聚焦于一个棘手的科研难题：扩散语言模型试图通过更大的生成块来换取更高的并行度，虽然理论上颇具吸引力，但在实践中往往首先牺牲数学推理能力；更严重的问题是，直接对这些大块模型进行强化学习训练，训练过程极有可能出现全面崩塌的现象。