PERCS：基于人物指导的可控医学摘要数据集

自动医学文本简化在提高健康素养方面发挥着关键作用，使复杂的医学研究更易于不同读者理解。然而，大多数现有资源假设单一的通用受众，忽略了不同用户群体在医学素养和信息需求方面的巨大差异。为此，我们引入PERCS（Persona-guided Controllable Summarization），这是一个由医学摘要及其针对四种人物（普通人、准医学生、非医学研究人员和医学专家）量身定制的摘要组成的数据集。这些人物代表不同的医学素养水平和信息需求，强调面向特定受众的摘要化的必要性。PERCS数据集中的每个摘要都由医生审核，以确保事实准确性和人物一致性，并采用详细的错误分类法。技术验证表明，不同人物在可读性、词汇和内容深度方面存在明显差异。本文描述了该数据集，还对四个大型语言模型在PERCS上进行基准测试，使用评估指标衡量全面性、可读性和忠实性，建立了未来研究的基准结果。该数据集、注释指南和评估材料已公开，以支持人物特定通信和可控医学摘要研究。