GRID：语法约束解码引擎提升企业级SQL生成

大型语言模型在自然语言转SQL方面展现出显著能力，但企业级部署对输出质量提出了远超“看起来合理”的要求：生成的SQL语句必须语法完全正确，必须遵守基于角色和基于模式的访问控制策略，必须提供可证明（而非尽力而为）的保证，不能随着生成长度增加而显著降速，并且必须为每个决策留下合规级别的记录。针对这些挑战，最新研究提出了GRID（Grammar-Railed Decoding），一种语法约束解码引擎，旨在为SQL生成提供严格的形式化保证。

GRID的核心创新在于，它不再基于token序列来生成下一token的掩码，而是直接基于解析器配置（词法扫描器状态与LALR(1)栈的组合）来生成精确的掩码。具体来说，GRID利用逐步推进的LALR(1)解析器本身作为有效前缀预言机（viable-prefix oracle），从而在解码过程中实时判断哪些token是语法上合法的。为了将LLM生成的token与语法终端符号桥接起来，GRID引入了一种字节级trie遍历方法，并采用上下文独立/上下文依赖的拆分策略，使得缓存键的可靠性在构造上得以保证。

在安全性方面，GRID将基于角色的访问控制直接编译到语法中：角色投影对语法的产生式进行子集化，模式词法限制标识符终端，从而在掩码层面使得禁止的动词和标识符根本不可达。这意味着，即使LLM试图生成违反权限的SQL语句，GRID的掩码机制也会将其阻止。论文明确给出了四个保证：可靠性（soundness）、完备性（completeness）、终止性（termination）和近恒定的每token成本，并且每个保证都附有明确的先决条件以及对应的测试或基准验证。

性能方面，GRID的Rust内核实现了每token掩码生成中位数仅3.6-6.7微秒，在p50和p90分位上均优于llguidance，且针对两个不同tokenizer均实现了零错误拒绝。更重要的是，每token的防护成本在序列长度达到16,000时仍然保持位置平坦（position-flat），这意味着GRID不会随着生成变长而显著增加延迟。

在Spider基准测试上的实验结果表明，约束解码为0.5B参数模型带来了+13个执行准确率点的提升。对于掩码无法强制执行的残留问题（例如列级别的策略），论文提出了一种基于检查器的修复方法：一次修复过程即可将7B模型的可执行率提升至94.5%。此外，GRID还实现了一个基于哈希链的每token审计追踪，能够以比特级精度重放，并提供100%的篡改检测能力。

论文也坦诚地指出了GRID的局限性：掩码无法保证分布忠实性（distribution faithfulness）、无法处理列级别的RBAC（需要额外的修复步骤）、无法支持非LALR(1)的语言，并且对某些边缘情况仍存在可测量的成本。总体而言，GRID为需要严格语法保证和安全合规的企业级SQL生成场景提供了一个高效且可证明的解决方案。