语言模型应用于文本纠错

这是关于语言模型应用于文本纠错的流程说明，用大白话拆解步骤：

1. 找 “错别字备胎”：先给每个字准备一堆可能混淆的字（比如 “天” 的混淆字有 “按、暗、俺” 等，因为长得像 / 读音像）。
2. 算原句 “合理度”：用语言模型打分，看原句 “像不像人话”（概率越高越合理）。
3. 替换字再打分：把原句里的字换成混淆字，重新算新句子的合理度。
4. 挑 “最像人话” 的：如果替换后的句子比原句合理度高很多，就考虑替换。
5. 逐个字检查：从第一个字到最后一个字，重复替换、打分、选最优，直到整句改完。

举例子（对应图里的句子）：
原句 “我去北京天 安门看纪念碑”，“天” 的混淆字有 “按、暗、俺” 等。模型会把 “天” 换成这些字，比如 “我去北京天安门看纪念碑”（原句） vs “我去北京俺安门看纪念碑”（替换后），算哪个更合理，最终保留 “天”（因为换了更不合理），完成纠错～

简单说，就是用语言模型给句子 “挑错字、换对字”，让句子更像人话 ，核心靠 “混淆字替换 + 概率打分” 实现。