💻 computer science

GRID: Grammar-Railed Decoding for Enterprise SQL Generation

यह शोध पत्र GRID को प्रस्तुत करता है, जो एक व्याकरण-प्रतिबंधित डिकोडिंग इंजन है जो सिंटैक्टिक रूप से वैध, नीति-अनुपालन योग्य SQL उत्पन्न करने के लिए LALR(1) पार्सर अवस्थाओं और बाइट-स्तरीय ट्राइ वॉक (byte-level trie walks) का लाभ उठाता है, जिसमें प्रमाणित गारंटी, लगभग स्थिर डिकोडिंग लागत और छेड़छाड़-रोधी ऑडिट ट्रेल शामिल हैं, जो उद्यम परिवेशों में निष्पादन सटीकता में महत्वपूर्ण सुधार करता है।

मूल लेखक: Mohsen Arjmandi

प्रकाशित 2026-07-15

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohsen Arjmandi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपका एक सुपर-स्मार्ट रोबोट दोस्त (एक लार्ज लैंग्वेज मॉडल) है जिसे कंप्यूटर निर्देश लिखना पसंद है जिन्हें SQL कहा जाता है। यह रोबोट वाक्य में अगले शब्द का अनुमान लगाने में बहुत माहिर है, लेकिन यह थोड़ा अराजक सपने देखने वाला भी है। एक सामान्य बातचीत में, यदि रोबोट कुछ बेतुकी बात कहता है जैसे "DELETE ALL THE TABLES" जब उसे केवल "SELECT" करना चाहिए था, तो किसी को नुकसान नहीं पहुँचता। लेकिन एक बैंक या अस्पताल में, उसकी यह गलती एक आपदा बन सकती है।

GRID (ग्रामर-रेल्ड डिकोडिंग) से मिलिए। GRID को एक ऐसे शिक्षक के रूप में न सोचें जो रोबोट की गलती होने के बाद "नहीं!" चिल्लाता है, बल्कि इसे एक जादुई ट्रेन ट्रैक के रूप में सोचें जिस पर रोबोट को चलना ही होगा। रोबोट अभी भी रचनात्मक हो सकता है, लेकिन वह भौतिक रूप से ट्रेन को पटरी से उतार नहीं सकता। यदि वह ट्रैक मौजूद नहीं है, तो रोबोट उस शब्द के बारे में सोच भी नहीं सकता।

जादुई ट्रेन ट्रैक

आमतौर पर, जब आप किसी रोबोट को कोड लिखने के लिए कहते हैं, तो आप उसे अगले शब्द का अनुमान लगाने देते हैं, और फिर आप देखते हैं कि क्या पूरा वाक्य समझ में आता है। यदि यह समझ में नहीं आता, तो आप इसे हटा देते हैं और फिर से कोशिश करते हैं। यह धीमा और जोखिम भरा है।

GRID खेल बदल देता है। पूरे वाक्य के अंत में जाँच करने के बजाय, यह हर एक कदम पर जाँच करता है, इससे पहले कि रोबोट को कोई शब्द चुनने की अनुमति दी जाए। यह ऐसा करने के लिए व्याकरण (भाषा के नियमों) के एक "मानचित्र" और उस मानचित्र पर रोबोट की वर्तमान स्थिति को देखता है।

पुराने मानचित्रों के साथ समस्या: पिछले तरीकों ने हर उस संभावित वाक्य को याद करने की कोशिश की जो रोबोट लिख सकता था। पेपर बताता है कि यह असंभव है। यदि आप मध्यम लंबाई के हर वैध वाक्य को सूचीबद्ध करने का प्रयास करते, तो यह सूची पूरे ब्रह्मांड के परमाणुओं की संख्या से भी बड़ी होती।
GRID का समाधान: वाक्यों को याद करने के बजाय, GRID कॉन्फ़िगरेशन (विन्यास) को याद करता है। कल्पना कीजिए कि रोबोट एक हाइकर (पदमयात्री) है। पुराने तरीकों ने हाइकर द्वारा लिए जा सकने वाले हर संभावित रास्ते को याद करने की कोशिश की। GRID बस यह जाँचता है: "क्या हाइकर वर्तमान में एक वैध पथ पर खड़ा है?" यदि हाँ, तो रोबोट आगे बढ़ सकता है। यदि नहीं, तो रास्ता अवरुद्ध है। यह सिस्टम को बहुत लंबा वाक्य होने पर भी तेज़ बनाए रखता है।

"नो-गो" ज़ोन (पॉलिसी और नियम)

एक बड़ी कंपनी में, अलग-अलग लोगों के अलग-अलग नियम होते हैं। एक जूनियर कर्मचारी को केवल डेटा को देखने (SELECT) की अनुमति हो सकती है, जबकि एक मैनेजर इसे डिलीट (DELETE) कर सकता है।

GRID इन नियमों को सीधे ट्रेन के ट्रैक में बनाता है।

भूमिका-आधारित ट्रैक (Role-Based Tracks): यदि रोबोट एक "जूनियर कर्मचारी" के रूप में कार्य कर रहा है, तो "DELETE" या "UPDATE" के ट्रैक बस अस्तित्व में ही नहीं होते। रोबोट के लिए वे शब्द सोचना भी संभव नहीं है। यह ऐसा नहीं है कि रोबोट को यह बताया जा रहा है कि "नहीं, ऐसा मत करो"; बल्कि यह है कि उस मोड में "DELETE" शब्द उसके लिए अदृश्य है।
स्कीमा ट्रैक (Schema Tracks): रोबोट को यह भी पता होता है कि डेटाबेस में कौन सी टेबल और कॉलम मौजूद हैं। यदि कोई टेबल मौजूद नहीं है, तो उसका ट्रैक गायब है। रोबोट गलती से किसी फर्जी टेबल का नाम नहीं टाइप कर सकता।

पेपर बहुत ईमानदारी से बताता है कि यह जादुई ट्रैक क्या नहीं कर सकता। यह सिद्ध करता है कि ट्रैक रोबोट को किसी विशिष्ट पंक्ति के लिए गलत कॉलम (जैसे "नाम" के बजाय "वेतन" चुनना) चुनने से नहीं रोक सकता क्योंकि यह निर्णय संदर्भ पर निर्भर करता है जो वाक्य समाप्त होने के बाद ही सामने आता है। उन पेचीदा मामलों के लिए, GRID एक "चेकर" का उपयोग करता है जो पूरे वाक्य को देखता है और यदि आवश्यक हो तो उसे ठीक करता है।

गति और सुरक्षा: "फ्लैट" लागत

इन सुरक्षा जाँचों के साथ सबसे बड़ी चिंताओं में से एक गति है। आमतौर पर, जैसे-जैसे वाक्य लंबा होता जाता है, सुरक्षा जाँच धीमी होती जाती है। पेपर इसे "रिक्वायरमेंट आर" (Requirement R) कहता है।

GRID कुछ विशेष वादा करता है: जाँच की लागत स्थिर रहती है।

चाहे रोबोट 5वाँ शब्द लिख रहा हो या 16,000वाँ शब्द, अगले शब्द को अनुमति देने की जाँच करने में लगने वाला समय लगभग एक समान रहता है।
लेखकों ने शक्तिशाली कंप्यूटरों (H100 GPUs) पर इसे मापा। उन्होंने पाया कि प्रत्येक टोकन (शब्द का हिस्सा) के लिए, जब सिस्टम गर्म और तैयार होता है, तो जाँच में 3.6 और 6.7 माइक्रोसेकंड (वह भी लाखों में एक सेकंड) का समय लगता है।
यहाँ तक कि जब रोबोट एक बिल्कुल नए डेटाबेस का सामना करता है जिसे उसने पहले कभी नहीं देखा है, तब भी सिस्टम इसे सुचारू रूप से संभालता है। सेटअप के लिए शुरुआती कुछ शब्द थोड़े अधिक समय (लगभग 27.3 मिलीसेकंड) ले सकते हैं, लेकिन एक बार हो जाने के बाद, यह पूरी गति से चलता है। महत्वपूर्ण रूप से, यह सेटअप समय एक ही समय में काम कर रहे अन्य रोबोटों को धीमा नहीं करता है।

"ब्लैक बॉक्स" रसीद (ऑडिट ट्रेल)

एक बैंक में, आपको पता होना चाहिए कि वास्तव में क्या हुआ। यदि एक रोबोट ने कोई निर्णय लिया, तो आपको इसे बाद में फिर से चलाने (replay) में सक्षम होना चाहिए ताकि यह साबित किया जा सके कि यह सुरक्षित था।

GRID एक हैश-चेन्ड ऑडिट ट्रल रखता है। कल्पना कीजिए कि रोबोट को बोलने की अनुमति दिए गए प्रत्येक शब्द के लिए एक डिजिटल रसीद है। यह रसीद कागज क्लिप की एक चेन की तरह आपस में जुड़ी हुई है। यदि कोई भी अतीत में एक शब्द को बदलने की कोशिश करता है, तो पूरी चेन टूट जाती है, और आपको तुरंत पता चल जाता है कि रिकॉर्ड के साथ छेड़छाड़ की गई है। पेपर दिखाता है कि वे इन निर्णयों की 1,000 पीढ़ियों (generations) को फिर से चला सकते हैं और हर बार बिल्कुल वही परिणाम प्राप्त कर सकते हैं, जिसमें 100% छेड़छाड़ का पता लगाने की क्षमता है।

यह कितना अच्छा काम करता है?

पेपर केवल यह दावा नहीं करता कि यह काम करता है; उन्होंने वास्तविक डेटा (स्पाइडर डेटासेट, जिसमें 1,000 से अधिक जटिल प्रश्न हैं) पर इसका परीक्षण किया।

छोटे रोबोटों के लिए (0.5B पैरामीटर्स): GRID का उपयोग करने से सही उत्तरों की संख्या में 13 प्रतिशत अंक का सुधार हुआ। मुख्य कारण? रोबोट ने बेतुकी व्याकरण संबंधी गलतियाँ करना बंद कर दिया।
बड़े, स्मार्ट रोबरों के लिए (7B पैरामीटर्स): केवल व्याकरण की जाँच से थोड़ा लाभ हुआ (लगभग +1 पॉइंट), लेकिन जब उन्होंने पेचीदा कॉलम की गलतियों को ठीक करने के लिए "चेकर" जोड़ा, तो सफलता दर बढ़कर 94.5% हो गई।

ईमानदार सच्चाई

लेखक बहुत सावधान हैं कि वे बहुत अधिक बड़े वादे न करें। वे कुछ बातें स्वीकार करते हैं:

यह हर भाषा के लिए एकदम सही नहीं है: यह उन भाषाओं के लिए सबसे अच्छा काम करता है जो विशिष्ट नियमों (LALR(1)) का पालन करती हैं, जैसे SQL। यह अभी दुनिया के हर संभव व्याकरण को नहीं संभाल सकता।
यह "फ्लेवर" (शैली) को बदल देता है: रोबोट को ट्रैक पर रहने के लिए मजबूर करके, यह रोबोट के शब्द चुनने के तरीके को थोड़ा बदल देता है। पेपर ने इसे मापा और पाया कि बहुत छोटे रोबोटों के लिए, यह बदलाव मायने रखता है, लेकिन बड़े, स्मार्ट रोबोटों के लिए, सही होने का लाभ इसकी शैली में मामूली बदलाव से कहीं अधिक है।
कोल्ड स्टार्ट (Cold Starts): जब एक बिल्कुल नया डेटाबेस आता है, तो सिस्टम नया ट्रैक बनाने के दौरान एक पल के लिए मामूली धीमापन (लगभग 34%) महसूस करता है। लेकिन यह केवल प्रति नया डेटाबेस एक बार होता है, और यह एक ही समय में काम कर रहे अन्य रोबोटों को नहीं रोकता है।

संक्षेप में, GRID AI के लिए एक सुपर-सेफ, हाई-स्पीड ट्रेन सिस्टम बनाने जैसा है। यह केवल AI को "क्रैश न होने" के लिए नहीं कहता; यह ट्रैक इस तरह से बनाता है कि क्रैश होना भौतिक रूप से असंभव हो जाए, जबकि ट्रेन को वास्तविक दुनिया में उपयोगी होने के लिए पर्याप्त तेज़ बनाए रखता है।

तकनीकी सारांश: GRID (एंटरप्राइज SQL के लिए ग्रामर-रेल्ड डिकोडिंग)

1. समस्या विवरण

यह शोध पत्र लार्ज लैंग्वेज मॉडल्स (LLMs) द्वारा "संभावित" टेक्स्ट उत्पन्न करने और एंटरप्राइज SQL जनरेशन की सख्त आवश्यकताओं के बीच के अंतर को संबोधित करता है। एंटरप्राइज CRUD/RBAC (रोल-बेस्ड एक्सेस कंट्रोल) डिप्लॉयमेंट में, आउटपुट को सिंटैक्टिक रूप से वैध होना चाहिए, प्रति-भूमिका (per-role) और प्रति-स्कीमा नीतियों का पालन करना चाहिए, और पोस्ट-होक फ़िल्टरिंग के बजाय निर्माण के माध्यम से (by construction) प्रमाणित गारंटी प्रदान करनी चाहिए। लेखक छह महत्वपूर्ण चुनौतियों की पहचान करते हैं जिन्हें मौजूदा समाधान एक साथ हल करने में विफल रहते हैं:

वैधता और नीति का संगम (Joint Validity and Policy): आउटपुट को विशिष्ट SQL डायलेक्ट के तहत पार्स (parse) होना चाहिए और रोल-आधारित वर्ब प्रतिबंधों और स्कीमा-विशिष्ट शब्दावली (वास्तविक टेबल/कॉलम) को निर्माण के माध्यम से सख्ती से लागू करना चाहिए, न कि बाद में फ़िल्टरिंग के माध्यम से।
प्रमाणित गारंटी (Provable Guarantees): सिस्टम को साउंडनेस (कभी भी अमान्य टोकन उत्सर्जित न करना), पूर्णता (कभी भी वैध निरंतरता को बाधित न करना), और टर्मिनेशन (समाप्ति) के लिए औपचारिक प्रमेय (formal theorems) प्रदान करने चाहिए, जिन्हें विशिष्ट परीक्षणों द्वारा सत्यापित किया गया हो।
प्रति-टोकन फ्लैट लागत (आवश्यकता R): "गार्ड रेल" (मास्किंग) की लागत $O(1)$ प्रति टोकन होनी चाहिए, जो जनरेशन की लंबाई $n$ से स्वतंत्र हो। मौजूदा सिस्टम अक्सर ऐसे लागतों से ग्रस्त होते हैं जो कॉन्टेक्स्ट लेंथ के साथ रैखिक या द्विघातीय (linearly or quadratically) रूप से बढ़ती हैं।
रिप्लेएबल ऑडिट ट्रेल (Replayable Audit Trail): अनुपालन (compliance) के लिए हर अनुमति/ब्लॉक निर्णय का एक हैश-चेन्ड, बिट-आइडेंटिकल रिकॉर्ड होना आवश्यक है ताकि बाद में यह उत्तर दिया जा सके कि "क्या अनुमति दी गई थी और क्यों"।
सर्विंग वास्तविकता (Serving Reality): प्रोडक्शन एनवायरनमेंट में बैच किए गए, विषम (heterogeneous) अनुरोध शामिल होते हैं। सिस्टम को "कोल्ड-स्कीमा" आगमन (ऐसी नई स्कीमा जो पहले नहीं देखी गई) को बिना वार्म को-बैच किए गए अनुरोधों को रोके या अनुमानित मास्क का उपयोग किए बिना संभालना चाहिए।
ईमानदार सीमाएं (Honest Boundaries): सिस्टम को स्पष्ट रूप से स्वीकार करना चाहिए कि क्या एक लेफ्ट-टू-राइट कॉन्टेक्स्ट-फ्री मास्क द्वारा लागू नहीं किया जा सकता (विशेष रूप से कॉलम-लेवल RBAC) और इस अवशेष (residue) को संभालने के लिए तंत्र प्रदान करना चाहिए।

2. कार्यप्रणाली: ग्रामर-रेल्ड डिकोडिंग

GRID एक नया आर्किटेक्चर पेश करता है जहाँ सब कुछ पार्सर कॉन्फ़िगरेशन पर की-ड (keyed) है, न कि टोकन अनुक्रमों पर।

मुख्य आर्किटेक्चरल विचार

टोकन अनुक्रमों पर वैधता तालिकाओं को प्रीकंप्यूट करने के बजाय (जो कॉम्बिनेटोरियल रूप से स्केल करती हैं), GRID सभी मास्क, कैश प्रविष्टियों और ऑडिट रिकॉर्ड को पार्सर कॉन्फ़िगरेशन पर की-ड करता है। एक कॉन्फ़िगरेशन $\kappa$ को जोड़े $(\sigma, \rho)$ के रूप में परिभाषित किया गया है:

$\sigma$ : LALR(1) पार्सर स्टैक।
$\rho$ : वर्तमान आंशिक लेक्सिम (lexeme) पर लेक्सर स्कैन स्टेट (शेष बाइट्स)।

यह कॉन्फ़िगरेशन व्यवहार्य प्रीफिक्स (वे निरंतरताएं जो एक वैध वाक्य की ओर ले जा सकती हैं) के सेट को विशिष्ट रूप से निर्धारित करता है।

मुख्य घटक

विएबल-प्रीफिक्स ओरेकल (Viable-Prefix Oracle): वृद्धिक (incremental) LALR(1) पार्सर स्वयं ओरेकल के रूप में कार्य करता है। एक वर्चुअल स्टैक पर रिड्यूस चेन का अनुकरण करके, सिस्टम अनुमत टर्मिनल्स के सेट को निर्धारित करता है। यह "एक्सेप्टेंस सिमेंटिक्स डेडलॉक" से बचाता है जहाँ सिंगल-टोकन प्रीफिक्स को खारिज किया जा सकता है यदि सिस्टम केवल पूर्ण वाक्यों की जाँच करता है।
टोकन-टर्मिनल ब्रिज (Token-Terminal Bridge): चूंकि LLM टोकन (बाइट स्ट्रिंग्स) ग्रामर लेक्सिम्स के साथ संरेखित नहीं होते हैं, GRID एक बाइट-लेवल ट्राई वॉक (byte-level trie walk) का उपयोग करता है।
- कॉन्टेक्स्ट-इंडिपेंडेंट (CI) टोकन: वे टोकन जो वर्तमान लेक्सिम के भीतर हल होते हैं या ठीक टर्मिनल बाउंड्री पर समाप्त होते हैं। ये कैश करने योग्य हैं।
- कॉन्टेक्स्ट-डिपेंडेंट (CD) टोकन: वे टोकन जो टर्मिनल बाउंड्री को पार करते हैं (जैसे, एक कीवर्ड को पूरा करना और एक नया शुरू करना)। इन्हें कभी भी कैश नहीं किया जाता; साउंडनेस सुनिश्चित करने के लिए प्रत्येक चरण पर लाइव स्टैक के विरुद्ध जांचा जाता है।
पॉलिसी कंपाइलेशन (Policy Compilation):
- रोल प्रोजेक्शन (L2): ग्रामर प्रोडक्शंस का उपसमुच्चय (जैसे, DELETE वर्ब्स को हटाना) और अनुपयोगी प्रतीकों को हटाना।
- स्कीमा लेक्सिकॉन्स (L3): डेटाबेस कैटलॉग से प्राप्त अलाउ-लिस्ट (allow-lists) के आधार पर आइडेंटिफायर टर्मिनल्स को प्रतिबंधित करना।
- आइडेंटिफायर कंपोजिशन रूल: आइडेंटिफायर पोजीशन पर, मास्क टोकन ट्राई और स्कीमा लेक्सिकॉन ट्राई के इंटरसेक्शन से प्राप्त किया जाता है, जिससे यह सुनिश्चित होता है कि जेनेरिक कैश प्रविष्टियाँ वर्जित आइडेंटिफायर्स को प्रवेश न दे सकें।
कैशिंग रणनीति (OBL-KEY1): एक दो-स्तरीय राइट-बैक कैश (विशिष्ट ग्रामर के लिए T1, साझा ग्रामर परिवारों के लिए T2) कॉन्फ़िगरेशन-व्युत्पन्न कुंजियों का उपयोग करता है। सिस्टम एक "Myhill–Nerode-शैली के रिफाइनमेंट" को लागू करता है जहाँ कोई भी दो कॉन्फ़िगरेशन जो एक कुंजी साझा करते हैं, उन्हें बिट-आइडेंटिकल CI मास्क उत्पन्न करना चाहिए।
ऑडिट चेन (Audit Chain): प्रत्येक चरण BLAKE2b के माध्यम से चेन्ड होकर एक रिकॉर्ड (स्टेप, कॉन्फ़िग हैश, मास्क एंट्री ID, टोकन, ब्लॉक काउंट) जोड़ता है। यह जनरेशन का बिट-आइडेंटिकल रीप्ले करने की अनुमति देता है।

सिस्टम कार्यान्वयन

Rust कर्नेल्स: लेटेंसी को कम करने और Python GIL को रिलीज करने के लिए हॉट पाथ (trie walk, CD verdicts, LALR advance, bitmask fill) को Rust में लागू किया गया है।
सर्विंग कॉन्ट्रैक्ट (vLLM): सिस्टम CPU पर मास्क गणना को GPU फॉरवर्ड पास के साथ ओवरलैप करता है। यदि कोल्ड-स्कीमा अनुरोध का मास्क तैयार नहीं है, तो इसे एक राउंड के लिए टाल दिया जाता है, जिससे यह सुनिश्चित होता है कि को-बैच किए गए वार्म अनुरोध कभी बाधित न हों।
चेकर-गाइडेड रिपेयर (Checker-Guided Repair): उस अवशेष के लिए जिसे मास्क लागू नहीं कर सकते (कॉलम-लेवल RBAC), सिस्टम एक पोस्ट-पार्स सिमेंटिक चेकर का उपयोग करता है। यदि उल्लंघन का पता चलता है, तो सिस्टम क्वेरी को ठीक करने के लिए रिपेयर पास को गाइड कर सकता है।

3. प्रमुख योगदान

औपचारिक ढांचा (Formal Framework): एक विएबल-प्रीफिक्स ओरेकल के रूप में वृद्धिक (incremental) LALR(1) पार्सर का उपयोग करने वाला कॉन्फ़िगरेशन-कीड कंस्ट्रेंड डिकोडिंग फ्रेमवर्क, जिसमें बाइट-लेवल टोकन-टू-टर्मिनल ब्रिज और कॉन्टेक्स्ट-इंडिपेंडेंट/कॉन्टेक्स्ट-डिपेंडेंट विभाजन शामिल है।
प्रमाणित गारंटी: चार गारंटियाँ (साउंडनेस, पूर्णता, टर्मिनेशन, फ्लैट कॉस्ट) विशिष्ट प्री-कंडीशन के साथ प्रपोजिशन के रूप में दी गई हैं, जिन्हें सत्यापन के लिए विशिष्ट परीक्षणों के साथ जोड़ा गया है।
सिस्टम रियलाइजेशन: एक उत्पादन-तैयार सिस्टम (v4–v7 कर्नेल्स) जिसमें ग्रामर पाइपलाइन, Rust कर्नेल्स, दो-स्तरीय कैश और हैश-चेन्ड ऑडिट लॉग शामिल है।
बेंचमार्क रिकॉर्ड: व्यापक मूल्यांकन जिसमें प्रति-टोकन लेटेंसी, रिक्वायरमेंट R स्लोप माप, MaskBench (JSON Schema), Spider निष्पादन सटीकता और एंड-टू-एंड vLLM सर्विंग रिकॉर्ड शामिल हैं।

4. परिणाम

लेटेंसी: H100 SXM5 रनर पर, GRID 3.6–6.7 µs (p50) और 80–109 µs (p90) की मीडियन प्रति-टोकन मास्क लेटेंसी प्राप्त करता है, जो gpt2 और Qwen टोकनाइज़र दोनों पर llguidance और XGrammar को p50 और p90 पर पीछे छोड़ देता है। llguidance सबसे फ्लैट p99 टेल बनाए रखता है।
रिक्वायरमेंट R (फ्लैट कॉस्ट): $n=16,000$ टोकन पर, प्रति-टोकन लागत का स्लोप प्रभावी रूप से शून्य ( $\approx 0$ ) है, जो $O(1)$ अमॉर्टाइज्ड कॉस्ट की पुष्टि करता है। इसके विपरीत, पुराने गाइडेंस वर्जन में द्विघातीय वृद्धि देखी गई थी।
निष्पादन सटीकता (Spider):
- 0.5B मॉडल: कंस्ट्रेंड डिकोडिंग अकेले अनकंस्ट्रेंड जनरेशन (29.0% बनाम 16.0%) पर +13 निष्पादन सटीकता (EX) अंक प्रदान करता है।
- 7B मॉडल: मास्क अकेले ~+1 अंक प्रदान करता है। हालांकि, कॉलम-लेवल उल्लंघनों के लिए चेकर-गाइडेड रिपेयर पास जोड़ने से निष्पादन 94.5% (EX +2.3 अनकंस्ट्रेंड के ऊपर) तक बढ़ जाता है।
सर्विंग ओवरहेड: बैच साइज 32 के साथ vLLM के तहत, ओवरहेड +1.51% टाइम-पर-आउटपुट-टोकन है।
कोल्ड-स्टार्ट हैंडलिंग: एक फ्रेश स्कीमा 27.3 ms स्पेशलाइजेशन समय और ~0.7 ms फर्स्ट-टोकन लेटेंसी का सामना करता है। जबकि यह को-बैच किए गए वार्म अनुरोधों के लिए स्पेशलाइजेशन विंडो के दौरान क्षणिक **34% धीमापन** का कारण बनता है (CPU/मेमोरी बैंडविड्थ कंटेंशन के कारण), वार्म अनुरोध कभी बाधित नहीं होते हैं, और फ्रेश अनुरोध उसके बाद 1.00× वार्म स्पीड पर चलता है।
ऑडिट अखंडता: 1,000 जनरेशन को 100% टैम्पर डिटेक्शन के साथ बिट-आइडेंटिकली रीप्ले किया गया।

5. महत्व और ईमानदार सीमाएं

शोध पत्र दावा करता है कि GRID यह प्रदर्शित करता है कि कॉन्फ़िगरेशन-कीड डिकोडिंग के प्रति प्रतिबद्ध होकर एंटरप्राइज-ग्रेड कंस्ट्रेंड डिकोडिंग प्राप्त की जा सकती है। यह एकल प्रतिबद्धता पॉलिसी कंपाइलेशन, प्रमाणित गारंटी, फ्लैट लागत और रिप्लेएबल ऑडिट को सक्षम बनाती है।

लेखक सिस्टम की सीमाओं और सीमाओं के बारे में स्पष्ट हैं:

डिस्ट्रीब्यूशन फेथफुलनेस (Distribution Faithfulness): पेपर यह दावा नहीं करता है कि मास्किंग मूल संभाव्यता वितरण $P(x | x \in L)$ को संरक्षित करती है; यह स्थानीय रूप से पुनर्गणना (renormalize) करती है। इसका प्रभाव डाउनस्ट्रीम निष्पादन सटीकता के माध्यम से मापा जाता है, न कि डिस्ट्रिब्यूशनल न्यूट्रैलिटी के माध्यम से।
कॉलम-लेवल RBAC: पेपर सिद्ध करता है (प्रपोजिशन 11) कि कॉलम-लेवल प्रतिबंधों को लेफ्ट-टू-राइट CFG मास्क द्वारा लागू नहीं किया जा सकता क्योंकि आवश्यक एलियास-टू-टेबल बाइंडिंग कॉलम-मास्क समय पर अज्ञात होती है। इसे पोस्ट-पार्स चेकिंग और रिपेयर के माध्यम से संभाला जाता है, न कि मास्क के माध्यम से।
भाषा का दायरा: सिस्टम LALR(1) भाषाओं तक सीमित है। हालांकि यह मानक SQL डायलेक्ट को संभालता है, यह गैर-LALR(1) कंस्ट्रक्ट्स (जैसे, कुछ JSON स्कीमा पैटर्न) के लिए कंपाइल एरर घोषित करता है।
कोल्ड-विंडो कंटेंशन: एक नए स्कीमा के स्पेशलाइजेशन के दौरान को-बैच किए गए अनुरोधों के लिए क्षणिक धीमापन को एक वास्तविक होस्ट CPU/मेमोरी-बैंडविड्थ कंटेंशन इश्यू के रूप में स्वीकार किया गया है, न कि सॉफ्टवेयर दोष के रूप में, जो कंप्यूट-आइसोलेशन ट्रेड-ऑफ का प्रतिनिधित्व करता है।
टर्मिनेशन: फुल टर्मिनेशन गारंटियां (रिजर्व-कम्प्लीटेड स्टॉप्स) केवल GRID-ओन्ड डिकोड लूप में मान्य हैं; प्रोसेसर-ओनली सर्विंग मोड में इन्हें ट्रंकेट किया जा सकता है।

संक्षेप में, GRID एक उच्च-प्रदर्शन वाला फ्रेमवर्क प्रदान करता है जो सही ढंग, नीति प्रवर्तन और ऑडिटेबिलिटी को प्राथमिकता देता है, जबकि ग्रामर मास्किंग के माध्यम से लागू की जा सकने वाली सीमाओं को ईमानदारी से रेखांकित करता है।