基于流畅度的多参考语法纠错评估的形式框架

语法纠错评估需要能够反映有效人类纠正多样性的指标，而不是偏向单个参考。现有的框架主要基于编辑且以英语为中心，依赖系统与参考编辑之间的刚性对齐，限制了其在多语言和生成式场景中的适用性。本文引入一种用于流畅度导向多参考评估的形式框架，将 n-gram 相似性作为在多个合法纠正掩饰上的聚合问题。在此框架下，我们通过四种聚合策略——select-best、simple-average、weighted-average 和 merged-counts——实例化 GLEU，并分析其有界性、单调性和对参考变异的敏感性。实验结果表明，这些策略在捕捉流畅度和覆盖率的不同方面具有互补性。该框架将多参考评估统一为一种原则性、以流畅度为导向的方法，无需惩罚合法变异即可纳入语言多样性。