该论文关注一个在云权限治理中极具现实意义的问题：如何把自然语言描述的访问控制需求，可靠地翻译成形式化、可验证的授权策略。作者指出，这类转换并不只是语法层面的翻译，而需要对权限、约束与例外条件进行严格推理，即便当前最前沿的大模型也常常生成语义上违反真实授权意图的策略，即语法可能合法但授权行为错误。为支撑可量化研究，作者构建了 CedarInstruct 数据集，据其所述这是首个同时支持训练与语义评估、面向可形式化验证的 Cedar 策略合成的数据集：共包含 44 个领域的 5800 个场景，其中 1408 个场景刻画同一个合成组织，每个场景都配有经过验证的目标策略以及可执行的验证计划。基于该数据，作者提出 RAISE 两阶段训练框架：第一阶段是经过验证器筛选的监督微调（verified SFT），第二阶段是强化学习（RL），直接从形式化验证器的反馈信号中学习。研究中的一个关键发现是：SFT 之所以有效，主要是因为模型本身已经具备授权推理能力，只是未经训练时极少能写出合法的 Cedar 语法；一旦写得出合法策略，其推理往往是正确的。第二个发现是，SFT 之后，验证器信息“怎么用”比“用多少”更重要——作者比较了六种逐步消费更丰富验证器信号的 RL 实例化方案，只有 RAISE-OC 显著超越 SFT，其做法是把失败检查与符号反例转化为引导式探索，并用 off-context GRPO 从结果中学习。在约 5400 个已验证场景上通过 LoRA 微调，RAISE-OC 将 Qwen3.5-9B 在留出场景上的语义成功率提升到超过零样本 GPT-6 Astra 13.33 个百分点、超过 Claude Opus 5 16.26 个百分点，并且训练效果可迁移到独立构建的 CedarBench 基准。