摘要

本研究探索了通过语言模型（LMs）生成人工错误（Artificial Error Generation, AEG）来提升语法错误修正（Grammatical Error Correction, GEC）性能的方法。具体而言，我们对基于 Llama 2 的语言模型进行微调，以实现错误生成，结果表明该方法生成的合成错误与人类产生的错误具有高度相似性。随后，我们利用这些人工错误训练 GEC 专用的 Llama 模型，在德语、乌克兰语和爱沙尼亚语三种语言上均取得了显著提升，F₀.₅ 指标提升幅度介于 0.8 至 6 之间，超越了此前的最先进模型。此外，我们还证明，通过微调小型序列到序列模型，或使用提示（prompting）大型商用语言模型（如 GPT-3.5 和 GPT-4）生成错误，同样能够产生对错误生成模型有益的合成错误。