使用 LLM 生成可控制可读性水平的教育材料
计算与语言
2024-06-19 v1 人机交互
摘要
本研究提出了分层文本生成任务，旨在保持原意的前提下，将教育材料改写为特定的可读性水平。我们评估了 GPT-3.5、LLaMA-2 70B 和 Mixtral 8x7B 在通过零样本和少样本提示生成不同可读性水平内容方面的能力。对 100 份处理后的教育材料进行评估显示，少样本提示在可读性操控和信息保真方面的性能显著提升。LLaMA-2 70B 在实现所需难度范围方面表现更好，而 GPT-3.5 能更好地保持原始意义。然而，手动检查揭示了包括误信息引入和编辑分布不一致等问题。这些发现强调了进一步研究以确保生成教育内容质量的必要性。
引用
@article{arxiv.2406.12787,
title = {Generating Educational Materials with Different Levels of Readability using LLMs},
author = {Chieh-Yang Huang and Jing Wei and Ting-Hao 'Kenneth' Huang},
journal= {arXiv preprint arXiv:2406.12787},
year = {2024}
}
备注
In2Writing 2024