ContractRL: защищённый RL с контрактными ограничениями для проверяемого восстановления JSON-вызовов
В статье на arXiv (arXiv:2610.00328v1) предложен ContractRL — протокол поэтапного восстановления с контрактными ограничениями, моделирующий проверяемое исправление JSON как ограниченный процесс принятия решений с масками действий, выведенными из схем (RFC-6902), и неизменяемой историей правок для аудита. В экспериментах по нескольким сессиям ContractRL показал семантическую точность 0.9362 при 34.4 сгенерированных токенах по сравнению с 0.9076 и 44.9 для Patch-SFT и 0.9148 и 137.2 для полного регенерирования; оптимизация политики подняла семантический успех с 0.9186 (наблюдаемая версия) до 0.9375, а анализы связывают выигрыш с локальными исправлениями и выявляют оставшиеся ошибки в злонамеренных и многошаговых сценариях.