本研究提出了一种轻量级的DISC模块，针对中文拼写检查中的相似字符问题进行了优化，显著提升了模型性能。

我们提出了一种基于大型语言模型的中文拼写检查方法C-LLM，通过字符级别的对齐，有效地缓解了与字符级别约束相关的问题。实验结果显示，C-LLM相比现有方法平均提升了10％，在一般场景下提升了2.1％，在垂直领域场景中有显著的12％改进，达到了最先进的性能。

基于BERT的模型在中文拼写检查任务中展现出显著能力。研究者提出了一种异构知识注入框架以减轻传统方法的限制。实验结果显示该框架在四个基准模型上均有性能提升，且优于先前的最先进方法。