💬 NLP

Grounded Normative Rule Generation with Structured Search

Este artículo presenta GNRS-Search, un marco de trabajo que emplea el muestreo de Cadenas de Markov Monte Carlo en un Grafo And-Or para sintetizar reglas normativas fundamentadas, mejorando significativamente la viabilidad operativa y la verificabilidad en entornos regulados al desacoplar la lógica ejecutable de la generación de prosa superficial.

Autores originales: Fanqi Kong, Huaxiao Yin, Ruijie Zhang, Xiaoyuan Zhang, Yizhe Huang, Jian Gao, Shuo Chen, Song-Chun Zhu

Publicado 2026-08-25

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Fanqi Kong, Huaxiao Yin, Ruijie Zhang, Xiaoyuan Zhang, Yizhe Huang, Jian Gao, Shuo Chen, Song-Chun Zhu

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina un mundo donde las reglas que rigen nuestra vida cotidiana —desde los protocolos de seguridad en el lugar de trabajo hasta los estatutos comunitarios— no se escriben solo para sonar bien, sino para funcionar realmente. Durante décadas, los científicos de la computación han enseñado a las máquinas a escribir textos que fluyan con suavidad, imitando el ritmo y el vocabulario del lenguaje humano. Pero existe una brecha crítica en esta capacidad: una máquina puede escribir una oración que suene perfectamente lógica y profesional mientras describe un proceso que es imposible de llevar a cabo. Podría inventar un tipo de registro que no existe, o exigir un testigo que no puede ser encontrado. En el mundo real, una regla que no puede verificarse contra datos reales no es una regla en absoluto; es simplemente una sugerencia que falla en el momento en que alguien intenta hacerla cumplir. Este problema es particularmente agudo para la inteligencia artificial, que a menudo genera políticas de apariencia plausible que colapsan bajo el peso de la realidad porque dependen de información que el sistema simplemente no posee.

Un equipo de investigadores ha abordado esta vulnerabilidad específica tratando la creación de reglas no como un ejercicio de escritura, sino como una búsqueda de un plano funcional. Introdujeron un nuevo marco llamado GNRS-Search, que cambia fundamentalmente la forma en que una IA aborda la tarea de redactar una política. En lugar de pedirle a la computadora que escriba el párrafo final de inmediato, el sistema primero construye una estructura esquelética. Esta estructura es un marco de cinco partes que define el alcance de la regla, el evento que la activa, el comportamiento específico requerido, la evidencia necesaria para probar el cumplimiento y el procedimiento para manejar las violaciones. Los investigadores utilizan entonces un método matemático, similar a cómo un excursionista podría explorar una cadena montañosa dando pequeños pasos y comprobando el terreno, para probar miles de variaciones de este esqueleto. La computadora intercambia diferentes piezas de la estructura, comprobando constantemente si la nueva combinación puede ser respaldada por los registros de datos reales disponibles en el entorno. Solo después de que el sistema encuentra una estructura que está totalmente fundamentada en registros reales y disponibles, traduce ese marco sólido al lenguaje natural y legible.

Los resultados de este enfoque fueron probados contra dos conjuntos distintos de desafíos. El primero fue un entorno controlado con 116 objetivos específicos a través de ocho escenarios diferentes, que iban desde la coordinación de turnos en restaurantes hasta la gestión de espacios públicos. En estas pruebas, el nuevo método elevó la calidad promedio de las reglas del 68.8 por ciento al 81.0 por ciento. Más importante aún, aseguró que las reglas fueran ejecutables, lo que significa que realmente podían verificarse contra datos reales. Los investigadores también probaron el sistema en 53 tareas derivadas de políticas del mundo real, como manuales corporativos y directrices de gobernanza de código abierto, donde el texto original estaba oculto para la computadora para evitar la simple copia. Aquí, el sistema superó nuevamente a los métodos estándar, logrando una tasa de factibilidad perfecta mientras mantenía una alta legibilidad. El estudio mostró que la mejora no provino de que la IA simplemente usara mejores palabras o sonara más profesional; provino de que el sistema identificó correctamente qué partes de una regla podían ser respaldadas por evidencia y cuáles no.

Crucialmente, la investigación también reveló dónde era más probable que el sistema fallara. Al intercambiar deliberadamente partes específicas de la estructura de la regla, los investigadores descubrieron que los errores en el significado central de la regla —como a quién se aplica la regla, cuándo comienza o qué comportamiento se requiere— causaban la caída más significativa en el rendimiento. En contraste, el sistema fue sorprendentemente resiliente cuando los detalles sobre cómo recopilar evidencia o los pasos específicos para la aplicación de la norma se alteraban ligeramente, siempre y cuando la lógica central permaneciera sólida. Esto sugiere que la parte más importante de escribir una regla funcional es lograr la lógica fundamental antes de preocuparse por la redacción. El estudio concluye que, al separar la lógica estructural del texto final, es posible crear agentes de IA que puedan redactar políticas que no solo sean fáciles de leer, sino que también sean estrictamente verificables y estén listas para su aplicación en el mundo real. Este cambio de generar texto a buscar estructuras válidas ofrece un nuevo camino para desplegar la inteligencia artificial en entornos regulados donde la confianza y la precisión son innegociables.

Resumen Técnico: Generación de Normas Normativas con Búsqueda Estructurada

1. Definición del Problema: Síntesis de Normas Normativas con Fundamentación (GNRS)

El artículo aborda una vulnerabilidad crítica en los sistemas actuales de generación de lenguaje: la incapacidad de producir normas normativas (por ejemplo, estatutos institucionales, políticas laborales) que sean tanto legibles por humanos como operacionalmente verificables. Mientras que los benchmarks estándar premian la fluidez superficial o el cumplimiento de esquemas, a menudo no logran probar si una norma generada puede ser aplicada contra registros ambientales reales.

Los autores formalizan esto como Síntesis de Normas Normativas con Fundamentación (GNRS). Dada una meta normativa, un esquema institucional y una capa de registros que contiene trazas y registros del entorno, la tarea consiste en generar una regla en lenguaje natural que esté estrictamente respaldada por los datos disponibles. El desafío central no es meramente la alucinación de hechos, sino la coordinación de cinco componentes interdependientes:

Alcance (Scope): A quién/qué se aplica la norma.
Disparador (Trigger): Cuándo se activa la norma.
Norma (Norm): La conducta requerida o prohibida.
Evidencia (Evidence): Los canales de datos utilizados para verificar el cumplimiento.
Procedimiento (Procedure): Los pasos para la ejecución o apelación.

Un fallo en uno de estos componentes (por ejemplo, seleccionar "testimonio del personal" como evidencia cuando el entorno solo registra "registros de entrada/salida") hace que toda la norma sea inejecutable, incluso si la prosa es fluida.

2. Metodología: GNRS-Search

Para resolver el GNRS, los autores proponen GNRS-Search, un marco que desacopla la generación de la prosa final de la síntesis de la estructura operativa subyacente. En lugar de una generación de texto de extremo a extremo, el sistema trata la creación de normas como un problema de optimización discreta sobre una representación estructurada.

Arquitectura Central

Estructura Latente (AOG): La norma se modela como un Grafo de And-Or (AOG) de cinco ranuras. Este grafo representa compromisos operativos intermedios a través de las cinco ranuras (Alcance, Disparador, Norma, Evidencia, Procedimiento). El AOG no es el resultado final, sino un supuesto de modelado que permite al sistema razonar sobre la fundamentación antes de la renderización del texto.
Construcción de Candidatos: Para cada ranura, el sistema construye un repositorio de candidatos ( $C_k$ $C_{k}$ ) a partir de cuatro fuentes:
1. Plantillas de reglas simbólicas.
2. Primitivas de esquema de contexto.
3. Registros de eventos derivados de trazas (del registro operativo).
4. Propuestas aumentadas por LLM (filtradas contra el esquema y los registros para evitar alucinaciones).
  El espacio de búsqueda total es el producto cartesiano de estos conjuntos.
Optimización MCMC: El sistema emplea muestreo de Cadenas de Markov Monte Carlo (MCMC) para navegar el espacio combinatorio de las configuraciones estructurales. Edita iterativamente el AOG discreto utilizando cuatro operaciones:
1. Reemplazo de ranura.
2. Edición de parámetros.
3. Intercambio de evidencia.
4. Ajustes conjuntos de disparador-evidencia.
Función de Puntuación: Una función de puntuación interna ( $s_{search}$ ) guía la búsqueda, evaluando la fundamentación en los registros y penalizando las violaciones de factibilidad estrictas (por ejemplo, referenciar registros no disponibles). Esta puntuación es distinta de la métrica de evaluación final para evitar el sobreajuste.
Realización: Una vez que se encuentra una disposición estructural óptima ( $a^*$ ), una función de realización ( $R$ ) la renderiza en lenguaje natural. Un "guardián de alineación programática" asegura que la fase de pulido no descarte entidades estructurales esenciales o registros de evidencia.

3. Benchmarks de Evaluación

El artículo introduce dos benchmarks para evaluar la síntesis de normas con fundamentación:

GNRS-Bench: Un entorno de simulación controlado con 116 metas a través de 8 familias de escenas (por ejemplo, asistencia a restaurantes, orden público). Cuenta con una capa de registro operativo tipada donde las normas deben estar fundamentadas en registros específicos y disponibles (por ejemplo, registro_entrada, log_movimiento). Incluye una división Out-of-Distribution (OOD) para pruebas de robustez.
RealCharter-Bench: Un benchmark de transferencia que contiene 53 tareas derivadas de políticas públicas auténticas (por ejemplo, la PSF de Python, el Manual de GitLab). El texto original redactado por humanos está oculto; los modelos reciben tarjetas de política normalizadas y deben sintetizar normas fundamentadas en el contexto proporcionado, probando la generalización a escenarios del mundo real.

4. Resultados Clave

Los experimentos se realizaron a través de múltiples backbones de modelos (GPT-4o-mini, GPT-5.1, Gemini, Qwen3) y se compararon contra baselines que incluyen prompting directo, salidas estructuradas, reordenamiento Best-of-N y autorrefinamiento.

Ganancias de Rendimiento: GNRS-Search elevó la calidad promedio de la rúbrica (un compuesto de especificidad, ejecutabilidad, fluidez, legibilidad y fidelidad) del 68.8% (Prompting Directo) al 81.0%.
Ejecutabilidad: El método alcanzó una puntuación del 73.3% en la dimensión de "Ejecutabilidad", superando significativamente a los baselines que a menudo generaban normas fluidas pero inejecutables.
Métrica Compuesta: Bajo una métrica compuesta ejecutable divulgada ( $0.80 \times \text{Calidad} + 0.20 \times \text{HARD-OK}$ ), GNRS-Search ocupó el primer lugar entre todos los generadores probados y escenas OOD.
Robustez: El método mantuvo su ventaja en entornos OOD (puntuando 82.7% en la métrica compuesta) y en RealCharter-Bench (94.69% de puntuación compuesta).
Perspectivas de Ablación:
- Eliminar la búsqueda estructurada o aleatorizar los candidatos causó caídas significativas en el rendimiento.
- Un baseline de solver CP-SAT matemático funcionó sustancialmente peor, lo que indica que las ganancias provienen de la estrategia de búsqueda MCMC específica y el inventario de candidatos, no solo de la optimización discreta.
- Sensibilidad de la Ranura: El análisis de sensibilidad reveló que los errores en las ranuras de Cuerpo de la Norma (Norm Body), Alcance (Scope) y Disparador (Trigger) causaron las mayores caídas de rendimiento, mientras que el sistema fue más resiliente a las variaciones en las ranotas de Evidencia y Procedimiento.

5. Significado y Reivindicaciones

El artículo afirma proporcionar un paradigma fundamental para el despliegue de agentes personales verificables y listos para el cumplimiento en entornos regulados. Sus principales contribuciones son:

Formalización: Definir el GNRS como una tarea de Generación de Lenguaje Natural (NLG) estructurada donde la validez depende de la fundamentación operativa, no solo de la fluidez.
Cambio Metodológico: Mover la generación de normas de una tarea de texto superficial a un problema de búsqueda inspeccionable sobre estructuras operativas discretas. Esto permite que los fallos se localicen en componentes estructurales específicos (por ejemplo, canales de evidencia) antes de la generación de la prosa.
Validación Empírica: Demostrar que forzar la fundamentación estructural mediante la búsqueda MCMC produce normas que son tanto legibles como operacionalmente ejecutables, superando las técnicas estándar de prompting e iteración de refinamiento.
Transparencia: El marco separa explícitamente la puntuación de búsqueda interna de la evaluación final, asegurando que las ganancias de rendimiento sean impulsadas por una verdadera fundamentación estructural y no por la optimización de métricas.

Los autores concluyen que, si bien el prompting abierto fluido es poco fiable para el cumplimiento, y las restricciones sintácticas por sí solas son insuficientes, la búsqueda estructural consciente de la fundamentación es necesaria para satisfacer los requisitos conjuntos de ejecutabilidad en entornos regulados. El trabajo establece un marco donde los fallos de las normas pueden diagnosticarse y corregirse a nivel estructural, cerrando la brecha entre la generación de lenguaje natural y la verificación operativa.