编辑级别多数投票缓解LLM-based语法错误纠正中的过度纠正
计算与语言
2026-05-14 v1
摘要
使用大型语言模型进行语法错误纠正常常会出现过度纠正问题。为缓解此问题，我们提出一种无需模型修改或额外训练的训练自由推理方法，通过对单个模型生成的多个候选答案进行编辑级别的多数投选。该方法在覆盖英语、捷克、德语、乌克兰语、韩语、印地语和罗马尼亚语的九个基准测试上在大多数情况下均优于贪婪解码和MBR解码。此外，该方法无论使用何种指令提示词，都能产生稳定的纠正质量。我们发布了两个支持GEC数据集加载和LLM推理的存储库。
引用
@article{arxiv.2605.13624,
title = {Edit-level Majority Voting Mitigates Over-Correction in LLM-based Grammatical Error Correction},
author = {Takumi Goto and Yusuke Sakai and Taro Watanabe},
journal= {arXiv preprint arXiv:2605.13624},
year = {2026}
}
备注
BEA Workshop 2026