标签
本文介绍了RM-EVAL，这是一个基于人类偏好数据训练的奖励模型，用于对语法错误纠正进行无参考的元评估，并展示了如何通过奖励引导的文本生成来改进GEC系统。
本文提出了一种优化的基于提示的最小编辑语法错误纠正方法，通过使用基于分类的指令、批处理和LLM辅助的提示优化，实现了最先进的结果。
本文提出STAGEET，一个面向语法纠错的分阶段类型化编辑标注框架，通过增强可解释性并在阿拉伯语基准测试中取得最先进性能。
本文介绍了语法错误表征（GER），一种基于错误模式而非语义相似性检索上下文示例的新方法，显著提升了具有上下文学习能力的大型语言模型在多语言语法错误纠正中的表现。
提出CoCoGEC，一种反事实生成框架，通过改变GEC训练数据中与错误无关的上下文来提升模型鲁棒性，在扰动基准上取得了显著的F0.5提升。
介绍ArabiGEE，这是首个全面的阿拉伯语语法错误解释分类法，采用分层结构，涵盖拼写、形态、句法和词汇维度，包含27种错误类型、140种修正类型和324个解释。
本文通过解决现有资源中的问题（包括表面目标实现和单一参考评估），优化了L2韩语的基于词的语法错误标注，并展示了使用基于KoBART的纠错方法所取得的改进。