在企业部署中，大型语言模型虽然能够生成SQL，但需要确保输出不仅是合理的文本，还必须满足以下条件：语法有效、遵循角色和模式策略、具备可证明的保证、生成过程不会随着输出增大而减慢，并且能留下每个决策的合规记录。为此，我们提出了GRID（Grammar-Railed Decoding），一种基于语法约束的解码引擎。它通过解析器配置（词法分析状态 x LALR(1) 栈）来确定确切的下一个令牌掩码，而不是依赖于令牌序列，并利用增量式的LALR(1)解析器作为可行前缀的权威来源。LLM令牌通过字节级Trie遍历与语法终端相连，采用了上下文无关/上下文相关的分离，使得缓存密钥的有效性在构造时得以保证。
角色基础的访问控制被编译进语言中：角色投影子集化语法产生的规则，模式词汇限制标识符终端，从而使得被禁止的动词和标识符在掩码层面不可达。我们明确提出四项保证（有效性、完整性、终止性和近似常数的每个令牌成本），并为每项提供了显式的前提条件及相应的测试或基准。
Rust内核将每个令牌掩码的中位数控制在3.6-6.7微秒，领先于llguidance在两个分词器上的p50和p90，且没有错误拒绝；每个令牌的保护成本在n=16,000时保持平坦。在Spider数据集上，约束解码在0.5B时提升了+13个执行准确度点，而通过对可证明的掩码不可强制的残余（列级策略）进行一次检查引导的修复，7B模型的可执行性提升至94.5%。哈希链式的每个令牌审计轨迹以100%的篡改检测重放位相同。我们清晰地说明了掩码无法做到的事情（分布保真性、列级RBAC、非LALR(1)语言）以及测量成本的所在。
博主点评： GRID通过引入语法约束解码，为企业级SQL生成提供了一种创新的解决方案，使得生成的SQL不仅有效而且符合具体的角色和策略要求。这一技术的实施有助于降低生成错误的风险，提升系统的安全性与合规性，展示了在大型语言模型应用中的潜力与挑战。