ContractRL：面向可审计工具调用修复的受屏蔽组相对策略优化

研究者提出工具调用修复协议 ContractRL，将验证器引导的 JSON 修复建模为有界决策过程，并通过动作掩码过滤非法的 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 的语义成功率，优于 Patch-SFT 的 0.9076（44.9 个 token）与全量重新生成的 0.9148（137.2 个 token）。