arXiv cs.CL· Xuanxin Wu, Yuki Arase, Masaaki Nagata·· 12 小时前AI 评分31
用 LLM-Judge 自动构建策略对齐训练数据，实现可控文本简化
Edit Policy-Aligned Text Simplification
AI 导读
研究者提出用 LLM-Judge 自动构建策略对齐训练数据的方法，无需昂贵人工标注或平行语料，即可训练适配不同简化策略的模型，覆盖句子级与文档级。小规模开源 LLM 在自动指标和编辑分析中达到或超过 GPT-5，且跨模型家族与规模均有一致提升。该工作已被 AACL-IJCNLP 2026 接收。
正文 · AI 翻译
摘要：文本简化旨在修改文档和句子，使其更易于阅读和理解，同时保留其含义。不同的应用需要不同的简化策略，例如以词汇为导向的简化，以及在细节与简洁之间权衡的整体改写。然而，实现这种由策略驱动的控制仍然是一个开放挑战。在这项工作中，我们引入了一种简单而强大的方法，利用大语言模型作为评判者（LLM-Judge）来自动构建与策略对齐的训练数据，从而无需昂贵的人工标注或平行语料库。我们的方法能够构建在句子和文档层面都能适应多种简化策略的简化模型。值得注意的是，小型开源 LLM 在自动指标和编辑分析两方面均达到或超过了 GPT-5。跨模型系列和规模的一致改进证明了我们方法的稳健性。
| 评论： | 被 AACL-IJCNLP 2026 接收 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2512.06228 [cs.CL] |
| （或 arXiv:2512.06228v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2512.06228 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xuanxin Wu [查看电子邮件]
[v1]
2025年12月6日星期六 00:29:49 UTC（1,947 KB）
[v2]
2026年10月21日星期三 07:53:46 UTC（2,224 KB）
来源：arXiv cs.CL · arxiv.org