通过结构化搜索生成有依据的规范规则

机构章程和工作场所政策等规范性规则必须既易于人类阅读，又可根据实际环境记录进行操作验证。然而，当前的语言生成和结构化输出基准主要奖励表面流畅性或模式合规性，而对操作基础的测试却很弱。这会产生一个严重的漏洞，其中标准语言模型生成的看似合理的策略在执行过程中会失败，因为它们依赖于不可用的数据日志或未对齐的范围。为了应对这一挑战，我们将问题形式化为执行依据对齐规范规则综合 (GNRS)，并引入 GNRS-Search，这是一个利用马尔可夫链蒙特卡罗 (MCMC) 采样来优化离散、五槽与或图 (AOG) 的框架。通过明确地将中间操作结构与最终散文生成分离，该方法将可执行可行性与写作风格隔离开来，并允许在表面实现之前定位规则失败。我们在 GNRS-Bench 和 RealCharter-Bench 上评估我们的方法，GNRS-Bench 是一个跨越 8 个场景系列的 116 个受控目标的基准，而 RealCharter-Bench 则评估转移到 53 个具有隐藏源条款的真实派生策略任务。 GNRS-Search 将平均标题质量从 68.8% 提高到 81.0%，并在公开的可执行综合指标下排名第一，而系统性的槽位干预证实，性能提升源于强大的操作逻辑，而不是修辞调整。最终，通过将自动规则起草转变为可检查的搜索问题，这项工作为在受监管的环境中部署可验证且合规的个人代理提供了基础范例。