大規模言語モデル（LLM）はSQLを生成できるが、エンタープライズ展開には単なるもっともらしいテキスト以上のものが必要である。出力は構文的に有効で、ロールおよびスキーマごとのポリシーを尊重し、証明可能な保証を持ち、生成が長くなっても速度が低下せず、すべての決定のコンプライアンスグレードの記録を残さなければならない。これらの厳しい要件に応えるため、研究者らはGRID（Grammar-Railed Decoding）を提案する。GRIDは、トークンシーケンスではなくパーサー設定（レキサースキャン状態×LALR(1)スタック）に基づいて次のトークンマスクを生成し、段階的に進むLALR(1)パーサー自体を有効プレフィックスオラクルとして使用する文法制約デコーディングエンジンである。
GRIDの中心的な革新は、マスク生成の鍵をLALR(1)パーサー状態に置く点にある。LLMのトークンは、バイトレベルのトライ探索と文脈独立/依存の分割により文法終端に橋渡しされ、キャッシュキーの健全性が構築上保証される。ロールベースのアクセス制御は言語に直接コンパイルされる。ロールプロジェクションが文法の生成規則をサブセット化し、スキーマの語彙が識別子終端を制限するため、禁止された動詞や識別子はマスクレベルで到達不能となる。GRIDは4つの保証（健全性、完全性、停止性、トークンあたりのほぼ一定のコスト）を明示的な前提条件とともに提示し、それぞれテストまたはベンチマークとペアにしている。
パフォーマンス面では、Rustカーネルによりトークンあたりのマスク生成は中央値3.6〜6.7µsとなり、2つのトークナイザーでllguidanceよりも高速（p50およびp90）で、誤拒ゼロを達成。トークンあたりのガードコストはn=16,000で位置に関してフラットである。Spiderベンチマークでは、制約付きデコーディングにより0.5Bモデルで実行精度が13ポイント向上し、マスクで強制できない残差（列レベルのポリシー）に対するチェッカーガイド付き修復パスにより、7Bモデルが94.5%の実行可能率に達した。
さらに、ハッシュチェーンによるトークン単位の監査証跡により、ビット単位で同一の再生が可能で、100%の改ざん検出が行える。研究者はまた、マスクができないこと（分布忠実性、列レベルRBAC、非LALR(1)言語）と測定されたコストが残る領域についても率直に述べており、今後の改善の方向性を示している。