本研究提出了一种基于自适应加权拒绝采样的快速受控生成语言模型方法，解决了局部约束解码的高成本和全局字符串分布扭曲问题。该算法显著减少了约束评估次数，并提供低方差的无偏重要性权重估计，实验证明其在多种应用中优于现有方法，提高了速度和性能。

本研究提出了一种结合拒绝采样和自归一化重要性采样的成本感知推断方法，减少复杂模型中的仿真次数，降低推断成本，并在流行病学和电信工程领域取得显著效果。

本研究提出GUARD方法，通过结合自回归提议分布与拒绝采样，解决大语言模型生成文本的约束问题，提升推理速度和分布接近度。实验表明，该方法能保持理想分布并提高推理效率。