★ 3
ContractRL：可审计工具调用修复
论文提出 ContractRL，将验证器引导的 JSON 修复建模为有界决策过程，通过契约约束的动作掩码过滤非法 RFC-6902 操作。在相同验证器信息下，ContractRL 以 34.4 个生成 token 达到 0.9362 语义成功率，优于 Patch-SFT 的 0.9076 与全量重…
arXiv cs.AI31 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 ContractRL，将验证器引导的 JSON 修复建模为有界决策过程，通过契约约束的动作掩码过滤非法 RFC-6902 操作。在相同验证器信息下，ContractRL 以 34.4 个生成 token 达到 0.9362 语义成功率，优于 Patch-SFT 的 0.9076 与全量重…