大型语言模型（LLM）能够生成SQL查询，但在企业级部署中，仅仅生成合理的文本远远不够。输出必须严格符合语法规则，尊重基于角色和模式的访问控制策略，提供可证明的保证（而非尽力而为），并且随着生成序列增长不得降低性能，同时还需为每个决策留下符合合规性要求的完整记录。针对这些严苛需求，研究人员提出了GRID（Grammar-Railed Decoding）——一种创新的语法约束解码引擎。
GRID的核心创新在于其掩码生成机制。传统方法通常基于令牌序列来生成下一个令牌的掩码，而GRID则另辟蹊径，利用解析器配置（即词法扫描状态与LALR(1)栈的组合）作为掩码键，并使用逐步推进的LALR(1)解析器本身作为可行前缀的预言机。通过字节级的Trie遍历，LLM的令牌被桥接到语法终结符，并采用上下文无关与上下文相关的分离设计，从而确保缓存键的正确性由构造本身保证。
角色访问控制（RBAC）被直接编译进语言中：角色投影对语法产生式进行子集化，模式词表限制标识符终结符，因此所有禁止的动词和标识符在掩码层面即不可达，从根本上杜绝了越权操作。GRID提供了四项形式化保证——正确性、完备性、终止性和近似恒定的每令牌成本，每项保证都附有明确的先决条件，并通过测试或基准进行了验证。
性能方面，GRID的Rust内核实现了极低的延迟：每令牌掩码生成中位数仅为3.6至6.7微秒，在两种主流分词器上均优于llguidance（在p50和p90百分位），且零误拒。每令牌的防护成本在序列长度达16,000时仍与位置无关，保持了恒定的性能。在Spider基准测试中，使用约束解码使0.5B模型的执行准确率提升了13个百分点；对于掩码无法强制执行的残余问题（如列级策略），通过一次检查器引导的修复过程，7B模型的可执行率达到了94.5%。
此外，GRID还提供了基于哈希链的每令牌审计追踪，可以比特级精确地重放生成过程，并100%检测任何篡改。研究人员也坦诚指出了掩码技术的局限性，包括无法保证分布忠实性、无法处理列级RBAC、不支持非LALR(1)语言，以及当前可测成本的范围等。这些透明公开的讨论为未来的改进指明了方向。