未来有效性是缺失的统计量：从不可实现到语法忠实的投机解码

语法约束生成常与局部词汇遮蔽和投机解码结合，但结果得到的抽样律并非用户通常期望的语法条件分布。我们表明，任何具有局部遮蔽访问、Leviathan拒绝和回滚正确性的投机解码器都会从局部投影分布$\mu^{\mathrm{proj}}$而非语法条件分布$\mu^\star$进行抽样。这将GAD不可实现结果扩展到投机解码；在Dyck语法中使用Qwen3-8B时，总变差间可达0.996。我们识别到未来有效性函数$Phi_t(y)=\Pr_p[有效完成\mid y]$作为缺失的校正统计量。目标分布是以$h=Phi$为基础模型的Doob变换，而局部遮蔽对应于将$h$设置为1。具有精确$Phi$的oracle解码器FVO-Spec可精确抽样自$mu^\star$；使用近似$Phi$，我们可界定结果总变差误差。由于一般情形语境无限语法的精确未来有效性困难，我们在可遍历的Dyck和有限JSON语言上评估估计器层次。OneStep在Dyck TV中降低14%，且在吞吞量开销下于1%；精确动态规划将其降低97%；有限语言校正将JSON差距缩小至数值精度。所有保真度主张均限于可枚举语法和token trie。