Let's Simplify Step by Step：引导 LLM 向多语言无监督 proficiency 控制句子简化
计算机视觉与模式识别
2026-02-10 v1
摘要
大型语言模型在跨大可读性水平的 proficiency 控制句子简化方面表现有限。我们提出一个框架，通过动态路径规划、语义感知的 exemplar selection（样本选择），以及带有对话历史的 chain-of-thought（思维链）生成来实现连贯推理，将复杂的简化分解为可管理的步骤。针对五种语言和两个基准的评估显示，我们的方法在提高简化效果的同时，将计算步骤降低 22-42%。人类评估确认了简化效果与意义保持之间的根本性权衡。值得注意的是，甚至人类标注员在语义保持判断上难以达成一致，这凸显了该任务的内在复杂性。我们的工作表明，虽然分步简化有助于控制，但在大范围简化期间保持语义忠诚度仍是一个开放挑战。
引用
@article{arxiv.2602.07498,
title = {IM-Animation: An Implicit Motion Representation for Identity-decoupled Character Animation},
author = {Zhufeng Xu and Xuan Gao and Feng-Lin Liu and Haoxian Zhang and Zhixue Fang and Yu-Kun Lai and Xiaoqiang Liu and Pengfei Wan and Lin Gao},
journal= {arXiv preprint arXiv:2602.07498},
year = {2026}
}