超越基于参考的评估：语法错误纠正元评估的奖励模型

基于参考的语法错误纠正 (GEC) 指标（例如 M$^2$ 和 ERRANT）假设参考集枚举了所有有效编辑，因此通常会惩罚语法和保留含义但措辞不同的更正。我们引入 RM-EVAL，这是一种根据 SEEDA 的人类偏好数据进行训练的奖励模型，作为无参考元评估器，可以在全序列和部分序列级别上预测类似人类的质量判断。除了评估之外，我们还表明，相同的奖励模型可以用作学习信号，通过奖励引导文本生成 (RGTG) 来改进 GEC 生成，从而保持基本 GEC 模型冻结并执行在线奖励驱动解码。在 SEEDA 中，RM-EVAL 与人类排名达成了高度一致，RGTG 在奖励和外部验证方面取得了一致的收益，展示了一个无需依赖黄金参考即可评估和增强 GEC 系统的统一框架。