arXiv · Artificial Intelligence· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Yina Sa, Daren Zha, Jun Xiao·2026-10-02 12:00· 3 小时前AI 评分39

ContractRL：带合同约束的组相对策略优化用于可审计的工具调用修复

ContractRL: Shielded Group-Relative Policy Optimization for Auditable Tool-Call Repair

AI 导读

ContractRL 将 JSON 修复建模为有界决策过程，在每次步骤中利用类型化验证反馈、JSON Pointer、不可变修复历史和剩余预算进行修复。