文法誤り訂正（GEC）における再スコアリング手法を提案する。本手法は二段階プロセスに基づくもので、第一段階のモデルが局所的な修正（edit）を抽出し、第二段階でそれらを「正しい」または「誤り」と分類する。第一段階として、エンコーダ・デコーダ型アーキテクチャまたはシーケンスラベリングアプローチを用いる方法についても示す。弱いBERT-GECベースモデルを用いても、BEA 2019英語データセットにおいて最先端の性能を達成する。さらに、最先端のGECToR編集生成モデルと組み合わせたスコアリング機構を採用した場合、BEA 2019データセットにおいてGECToRを2～3%の向上率で上回る。また、前人よりも小さいモデルサイズと少ないデータ量を用いても、ロシア語データセットにおいても既存の最先端手法を上回る結果を得た。