GrammarRL针对语法有效但语义退化的问题，以强化学习优化受约束解码的内容质量。
推荐理由：语法约束只能保证输出可解析，却可能迫使模型走向低质量序列；用任务奖励直接训练约束下的决策，有望以低于宽束搜索的成本兼顾格式与语义。
阅读原文