arXiv cs.AI· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Yina Sa, Daren Zha, Jun Xiao·· 11 小时前AI 评分46
ContractRL：基于合约约束的组相对策略优化实现可审计工具调用修复
ContractRL: Shielded Group-Relative Policy Optimization for Auditable Tool-Call Repair
AI 摘要
ContractRL 提出一种受合约约束的顺序修复协议，将验证器引导的 JSON 修复建模为有界决策过程。在相同验证信息下，该模型以 34.4 个 token 达到 0.9362 语义成功率，优于 Patch-SFT（0.9076）和全量再生（0.9148）。策略优化后语义成功率进一步提升至 0.9375，且与 Patch-SFT 相比差异显著。
来源：arXiv cs.AI · arxiv.org