Los métodos actuales predominantes para la corrección de errores gramaticales en chino se basan en modelos de redes neuronales profundas, que requieren una gran cantidad de datos de alta calidad para el entrenamiento. Sin embargo, las corpora existentes para la corrección de errores gramaticales en chino tienen una calidad de anotación baja y altos niveles de ruido, lo que lleva a una baja capacidad de generalización de los modelos y dificultades para manejar oraciones complejas. Para abordar este problema, este artículo propone un método de aprendizaje curricular basado en evaluación dinámica para la corrección de errores gramaticales en chino. El enfoque propuesto se centra en dos componentes clave: definir la dificultad de las muestras de entrenamiento y diseñar una estrategia de entrenamiento efectiva. En la fase de evaluación de la dificultad, mejoramos la precisión de la secuencia curricular mediante la actualización dinámica del modelo de evaluación. Durante la fase de estrategia de entrenamiento, se emplea un enfoque progresivo dinámico de múltiples etapas para seleccionar muestras de entrenamiento de diferentes niveles de dificultad, lo que ayuda a evitar que el modelo converja prematuramente a óptimos locales y mejora la efectividad general del entrenamiento. Los resultados experimentales en los conjuntos de datos de corrección de errores gramaticales en chino MuCGEC y NLPCC 2018 muestran que el método propuesto de aprendizaje curricular mejora significativamente el rendimiento de corrección de errores del modelo, con aumentos de 0,9 y 1,05 en las puntuaciones F0.5, respectivamente, validando la efectividad del método.