في هذه الورقة، نُصِرِّف مسألة دمج النماذج في تصحيح الأخطاء النحوية (GEC) كمهمة بسيطة في التعلم الآلي: التصنيف الثنائي. نُظهِر أنّه بوجود صياغة مشكلة مناسبة، يمكن لخوارزمية الانحدار اللوجستي البسيطة أن تكون فعّالة للغاية في دمج نماذج GEC. حققت طريقةنا زيادة في درجة F0.5 بنسبة 4.2 نقطة مقارنة بأعلى نظام أساسي لـ GEC على مجموعة اختبار CoNLL-2014، وبنسبة 7.2 نقطة على مجموعة اختبار BEA-2019. علاوةً على ذلك، تفوقت طريقتنا على أحدث النماذج المطورة بنسبة 4.0 نقاط على مجموعة BEA-2019، وبنسبة 1.2 نقطة على مجموعة CoNLL-2014 مع الترميز الأصلي، وبنسبة 3.4 نقطة على مجموعة CoNLL-2014 مع الترميز البديل. كما أظهرنا أن نظام الدمج الذي نقترحه يُنتج تصحيحات أفضل ذات درجات F0.5 أعلى مقارنة بالطريقة التقليدية للتوحيد (ensemble).