Seleção de Exemplos em Contexto Baseada em Sintaxe Não Gramatical para Correção de Erros Gramaticais

Na era dos grandes modelos de linguagem (LLMs), o aprendizado em contexto (ICL) se destaca como uma estratégia de convocação eficaz que explora a potência dos LLMs em várias tarefas. No entanto, aplicar LLMs para correção de erros gramaticais (GEC) ainda é uma tarefa desafiadora. Neste artigo, propomos uma nova estratégia de seleção de exemplos em contexto baseada em sintaxe não gramatical para GEC. Especificamente, medimos a similaridade de sentenças com base em suas estruturas sintáticas usando diversos algoritmos, e identificamos exemplos otimizados de ICL que compartilham a sintaxe malformada mais similar à entrada de teste. Além disso, realizamos um processo em duas etapas para melhorar ainda mais a qualidade dos resultados da seleção. Em conjuntos de dados de GEC em inglês de referência, resultados empíricos mostram que nossas estratégias propostas baseadas em sintaxe não gramatical superam métodos comuns baseados em correspondência de palavras ou semântica com múltiplos LLMs. Isso indica que, para uma tarefa orientada à sintaxe como GEC, prestar mais atenção às informações sintáticas pode aumentar efetivamente o desempenho dos LLMs. Nosso código estará disponível publicamente após a publicação deste artigo.