本文提出了一种基于不合语法句法的上下文示例选择策略，以提升大型语言模型在语法错误纠正任务中的表现。研究表明，关注句法信息能有效增强模型性能，且模型的变异性受预训练语料库和监督方法的影响，预训练的代码模型在推广和思维链提示上表现更佳。

该研究提出了一种基于转换器的神经语言模型，通过添加句法信息来提高性能。实证性能评估表明该方法具有竞争性，包括语义和语用方面的信息，具有可扩展性。