了解你的受众：为超越“普通”受众生成通俗语言摘要的利弊
人机交互
2024-03-11 v1
摘要
语言模型 (LMs) 作为通过简化和总结复杂语言来向公众传播科学的工具，展现出巨大潜力。由于可以通过提示模型为特定受众（例如受过大学教育的成年人）生成文本，LMs 或许可用于为具有不同科学主题熟悉度的读者创建多个版本的通俗语言摘要。然而，适应性通俗语言的利弊尚不明确。何时需要简化？这样做的代价是什么？这些代价对于具有不同背景知识的读者是否有所不同？通过三项受试者内研究，我们将针对不同设想受众的摘要呈现给不同背景的参与者，研究发现：虽然更简单的文本为对该主题知之甚少或毫无了解的读者带来了最佳阅读体验，但高熟悉度的读者往往会在过于通俗的摘要中忽略某些细节（例如研究局限性）。我们的工作提供了超越单一“普通”受众来调整通俗语言摘要的方法和指南。
引用
@article{arxiv.2403.04979,
title = {Know Your Audience: The benefits and pitfalls of generating plain language summaries beyond the "general" audience},
author = {Tal August and Kyle Lo and Noah A. Smith and Katharina Reinecke},
journal= {arXiv preprint arXiv:2403.04979},
year = {2024}
}