PROTECT: Parameter-Efficient Tuning for Few-Shot Robust Chinese Text Correction

Xuan Feng (Ph.D. candidate, Jinan University)

Tianlong Gu (Professor, Jinan University)

Liang Chang (Professor, Guilin University of Electronic Technology)

Xiaoli Liu (Associate Professor, Jinan University)

PROTECT 是一种先进的中文文本校正模型，专为在少量样本情况下的鲁棒性文本校正而设计。该模型能够自动检测并纠正句子中的错误，包括但不限于拼音错误、视觉错误和故意的文字攻击。

检测和纠正非规范文本和网络用语

抵御对抗性攻击，增强内容审核的鲁棒性

支持多种文本错误的校正，包括完美拼音、缩写拼音、字符分割、视觉和语音错误

在全数据和低资源设置下均展现出最佳性能

通过仅调整0.2%的参数实现零样本和少样本学习

对抗感知的多特征表示方法

上下文特定自适应前缀（Context-specific Adaptive Prefix, CAP）

语义一致低秩适应模块（Semantic-consistent Low-rank Adaptation, SLA）

社交媒体内容审核

中文文本校正和拼写检查

对抗性文本攻击的防御