BEA-2019

新的提示方法提升了 LLM 语法纠错能力，接近微调的 SOTA

研究人员开发了一种新颖的基于提示的方法，利用大型语言模型 (LLM) 来改进语法纠错 (GEC)。该方法通过引入基于分类法的指令、将多个句子批处理成单个输入以及使用 LLM 辅助的提示优化来解决 LLM 过度修正文本的常见问题。当由 Gemini 3.1-Pro 提供支持时，该方法在 BEA-2019 测试集上取得了 78.32 的新 SOTA F0.5 分数，显著缩小了与微调模型的差距。