本文提出了一种基于词典的约束解码方法DECIDER，旨在通过特定目标概念控制生成文本的意义和风格。研究表明，该方法能有效引导生成结果，提升大型语言模型的决策性能。此外，介绍了选择性去偏差方法和成本敏感的推迟框架DeCCaF，以提高模型的预测性能和公平性，减少错误分类成本。

本文介绍了一种创新的控制解码的强化学习方法，通过前缀评分器引导生成以实现高回报结果。实证研究表明该方法在Reddit会话语料库上非常有效，并且具有模块化性，能够解决多目标强化学习问题。此外，该方法还可以以创新的分块方式在推断时间应用，填补了最优$K$策略和标记级强化学习之间的差距。