VAA-CSEC：投票引导优势分配的中文语义纠错方法

arXiv 论文提出 VAA-CSEC 框架，用于中文语义纠错（CSEC）。该框架结合 CoT 蒸馏、SFT、强化学习与自一致性解码，并在 RL 阶段设计贴合最小编辑原则的奖励函数，引入 GLPO 按单次 rollout 奖励与投票聚合组奖励的差距重新分配 GRPO 优势。在 CSED-C 上 F0.5 达 47.72%，在所有方法中召回率最高为 42.15%；在 NaSGEC-Exam 上以 41.55% F0.5 取得新最优结果。

此前基于 LLM 的中文语义纠错受困于过度纠正，且 CoT 推理与自一致性解码之间的交互不清晰，CoT 带来的收益难以稳定传导到最终纠正结果。该工作把推理阶段的投票机制与强化学习训练目标对齐，并在 CSED-C 与 NaSGEC-Exam 两个基准上超过已有 LLM 基线，为这一相对欠探索的任务提供了可复现的对比结果。

该框架将 CoT 蒸馏、SFT、RL 与自一致性解码串成多阶段流程。RL 阶段使用贴合最小编辑原则的任务奖励函数，抑制过度纠正；GLPO 则依据单次 rollout 奖励与投票聚合组奖励之间的差距重新分配 GRPO 优势，使训练目标与推理时使用的自一致性投票目标一致，从而把 CoT 收益更可靠地传递到最终纠正输出。

对文本校对、写作辅助、内容审核等产品，该路线表明可在不增加推理阶段复杂度的前提下，通过训练目标与推理投票机制对齐来降低过度纠正。团队若已有 SFT 与 RL 流程，可参考其奖励函数与 GLPO 优势重分配思路改造中文纠错模块，并以 F0.5、召回率为指标验证改动效果。

• 在现有中文纠错或写作辅助模型上增加最小编辑奖励函数，先做离线 A/B 对比过度纠正率与召回率。
• 复现 GLPO 的优势重分配逻辑，验证训练目标与自一致性投票对齐后能否提升最终输出稳定性。
• 把 CSED-C 与 NaSGEC-Exam 纳入内部评测集，作为中文语义纠错模块的基准对照。
• 评估将投票机制引入推理阶段后，延迟与算力成本相对单次解码的变化幅度。

• 论文未说明 VAA-CSEC 在不同规模基座模型上的表现是否一致。
• GLPO 相对标准 GRPO 的具体增益数值未在证据中给出。
• 过度纠正率是否被直接量化降低，证据中未提供该指标。
• 该方法在中文以外的语义纠错任务上是否可迁移，尚无证据。