在 NLP 中生成人为错误通常是有风险的，因为很难确保错误的类型和分布与真正的人为错误完全对应。如果人为错误与真实错误不同，并且基于此数据训练模型，则该模型似乎具有非常好的性能，因为它将依赖于用于生成错误的模式。但是，它可能无法很好地处理真实数据，并且很难检测到它。

话虽如此，这是一个已经研究了很长时间的问题，因此最先进的技术应该会有所帮助：Google Scholar 提供了很多参考资料，可能其中一些论文也提供了现有的实现。人们可能会注意到，我上面提到的问题是一个反复出现的问题，最近的一些论文分析了人为错误实际上有多大帮助。