Edit-level Majority Voting을 통한 LLM 기반 문법 오류 교정 (GEC)의 과잉 교정 문제 완화

요약

본 기사는 LLM 기반 문법 오류 교정(GEC)의 주요 문제인 과잉 교정을 완화하기 위한 새로운 Training-free 추론 방법을 제안합니다. 이 방법은 모델 수정이나 추가 학습 없이, 단일 모델이 생성한 여러 후보군에 대해 Edit-level Majority Voting을 수행하는 것이 핵심입니다. 영어, 체코어 등 9개 언어의 다양한 벤치마크에서 테스트되었으며, 기존 방식보다 우수한 성능과 안정적인 교정 품질을 입증했습니다.

핵심 포인트

• LLM 기반 GEC는 과잉 교정(over-correction) 문제를 겪는 경향이 있습니다.
• 제안된 방법은 모델 수정이나 추가 학습 없이 Edit-level Majority Voting을 활용하는 Training-free 추론 방식입니다.
• 9개 언어에 걸친 다양한 벤치마크에서 Greedy decoding 및 MBR decoding보다 우수한 성능을 보였습니다.
• 사용되는 Instruction Prompt와 관계없이 안정적인 교정 품질을 제공합니다.