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。

我们提出了一种新的知识编辑方法，称为基于约束的解码，适用于大型语言模型。DeepEdit通过深度优先搜索进行渐进解码，提高推理连贯性和知识更新效果。无需访问模型参数，适用于所有黑盒语言模型。在MQuaKE数据集上表现优异，显著提升性能。

该论文介绍了一种名为SGCD的新型黑盒大型语言模型的约束解码方法，通过本地辅助模型改善输出并扩展约束解码的应用。实验证明了SGCD在封闭信息提取和组成解析等任务中的有效性，以及它增强黑盒大型语言模型在复杂自然语言处理任务中的效用和灵活性。