arXiv · Machine Learning· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Yina Sa, Daren Zha·· 11 小时前AI 评分50
ContractRL：用于可审计工具调用修复的防护式组相对策略优化
ContractRL: Shielded Group-Relative Policy Optimization for Auditable Tool-Call Repair
AI 导读
ContractRL 提出受合约约束的序列化修复协议，用于在 JSON 工具调用违反模式或执行合约时进行可审计修复。
来源：arXiv · Machine Learning · arxiv.org