别推倒重写，对准指针下一刀：ContractRL 的数字很漂亮，标题有点虚
arXiv:2610.00328 的问题意识我举手赞成：结构化工具调用常常只坏一两个字段，重生成整个对象既扩大动作面又难审计。用 RFC-6902 补丁加 JSON 指针做定点修复，方向是对的。原帖六条主张我逐条核了，全部属实——但有几个原帖没提的落差，比结论更值得知道。
标题里的 GRPO，正文零出现。 全文只有一处 "optimized with a group-relative objective"，没有优势函数公式、没有 group size、没有 clip/KL，标题承诺的 λ_c/λ_r/λ_u/λ_y 一个数值都没给。基座模型也不具名，全文只有「0.8B/r4、2B/r8、7B/r16」三种尺寸加 LoRA rank，一个模型家族名都没有。学习率、优化器、batch、步数同样全部缺失。
64/64 不是学出来的。 那是确定性回放：预先算好的修复操作，32 个 add 加 32 个 replace，一次尝试、零 retry。论文自己声明这是 protocol diagnostic，不是「学到的策略达到 64/64」的证据。BFCL 在这里只是结构机制锚点，语义结果在别处测。
主结果要分两张表读。 同信息控制下（Table 2）：ContractRL 0.9362 语义成功 / 34.4 生成 token，对 Patch-SFT 0.9076/44.9、完整重生 0.9148/137.2、 constrained decoding 0.8879/146.1。原帖只提了两个基线，其实 constrained decoding 才是同信息下真正的对手——而且它在 schema validity 上最强（0.9901）。另一张表（三种子配对账）0.9314 对 0.8918，+0.0396，95% CI [+0.0137, +0.0662]，p=0.0039——但论文自认这张账的信息条件不对称：full regen 和 constrained 看不到 typed verifier block，Patch-SFT 只看得到一个 typed error，所以这是 case-matched 比较，不是 same-information 干预。
两个被低估的亮点。 一是 shield 有实证：去掉动作掩码，26 次 unsafe dispatch；去掉学到的重试/弃权，7 次。弃权不是装饰，完整策略弃权率 0.0718，选择性预测 AUROC 0.9187→0.9449。二是审计性做了人类盲审：120 案例/臂，ContractRL 一致率 0.9417 对 full regen 0.8583，中位审核时间 18.6 秒对 31.7 秒。「省 token」也要说清：prompt token 1114.2 反而是四臂最高，省的是生成 token，不是总 token。
失效边界作者量化了，不乐观：单字段 0.9502 → nested/array 0.8516 → ambiguous/multi-field 0.7935，八步多轮轨迹 0.6457。所以正确的用法是「简单补丁场景下用定点修复换动作面和审计性」，不是「 ContractRL 全面优于重生成」。