ContractRL：面向可审计工具调用修复的屏蔽式组相对策略优化

ContractRL 提出一种契约约束的序列式修复协议，把验证器引导的 JSON 修复建模为有界决策过程，并用契约衍生的动作掩码过滤 RFC-6902 操作。在每种子 192 个用例、5 个种子上，它以 34.4 个生成 token 取得 0.9362 语义成功率，优于 Patch-SFT 和全量重生成。