本文提出了基于参考的评估策略CLEME2.0，用于改进语法错误修正（GEC）度量的可解释性。该方法通过综合评估GEC系统的四个基本维度，证明在多个数据集上有效且鲁棒。同时介绍了其他相关的GEC评估方法和数据集。

本研究利用自动注释工具ERRANT生成合成数据，以解决语法错误修正中的数据稀缺问题。构建的合成数据集在性能上优于真实训练数据，特别适用于混合语言环境。提出的MixEdit方法通过动态增加真实数据，显著提升GEC模型性能，并引入亲和性和多样性度量标准以优化数据增强策略。