arXiv cs.CL· Indu Panigrahi, Tal August·· 3 天前AI 评分23
让 LLM 按需调整文本复杂度：五款模型在 557 条科学查询上的表现评估
Explain Like I'm 5 or Whatever I Choose: Evaluating the Potential for Interactive Complexity in Language Model Responses
AI 导读
一项用户研究评估了五款不同家族、规模和推理能力的 LLM 能否沿复杂度连续体生成多个科学信息摘要，以支持用户直接操控文本。在 557 条科学查询上，模型虽能改变回答复杂度，但多数变化不一致，复杂度指标朝正确方向移动的比例最高仅 33.67%。
正文 · AI 翻译
摘要：鉴于大型语言模型（LLM）在阅读和查找信息方面的使用日益增多，以及用户需求和背景的差异，直接操作文本可以成为终端用户控制的一种有价值机制。然而，实现直接操作要求模型生成的文本与用户请求的更改保持一致。我们聚焦于这样一个场景，即操控科学信息的复杂度，并探究模型能否沿文本复杂度连续体生成多个摘要，从而使用户能够有效选择和控制。通过一项被试内用户研究，我们确定了可靠的复杂度度量以及模型应如何符合这些度量的标准。我们在 $557$ 个科学查询上评估了来自不同家族、规模和推理能力的五个 LLM。我们发现，虽然模型可以在不同响应中改变复杂度，但大多数变化仍不一致，模型最多只有 $33.67$% 的情况下将复杂度度量朝正确方向调整。
| 评论： | 预印本 |
| 学科： | 计算与语言（cs.CL）；人机交互（cs.HC） |
| 引用为： | arXiv:2606.06788 [cs.CL] |
| （或 arXiv:2606.06788v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.06788 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Indu Panigrahi [查看电子邮件]
[v1]
2026年6月5日星期五 00:14:44 UTC（4,050 KB）
[v2]
2026年10月14日星期三 13:55:08 UTC（4,071 KB）
来源：arXiv cs.CL · arxiv.org