在我的水平上：面向熟练度感知的统一多语言文本简化框架
计算与语言
2026-04-17 v2
摘要
文本简化通过提供可理解的输入来支持二语学习者（L2），这符合输入假设。然而，构建个性化平行语料库成本高昂，而现有的大语言模型（LLM）基于预标记的句子语料库的可读性控制方法主要针对英语。我们提出Re-RIGHT，一套统一的强化学习框架，用于无需平行语料 supervision 的自适应多语言文本简化。我们首先表明，针对目标熟练度水平（CEFR、JLPT、TOPIK和HSK）的基于提示的词汇简化在较低水平和非英语语言上表现不佳，即使使用最先进的LLM如GPT-5.2和Gemini 2.5。为此，我们收集了43K跨四种语言（英语、日语、韩语和中文）的词汇水平数据，并训练了一个紧凑的4B政策模型，该模型集成了三个奖励模块：词汇覆盖、语义保持和连贯性。与更强的LLM基线相比，Re-RIGHT在目标熟练度水平上实现了更高的词汇覆盖率，同时保持原有意义和流畅性。
引用
@article{arxiv.2604.05302,
title = {Right at My Level: A Unified Multilingual Framework for Proficiency-Aware Text Simplification},
author = {Jinhong Jeong and Junghun Park and Youngjae Yu},
journal= {arXiv preprint arXiv:2604.05302},
year = {2026}
}
备注
Accepted to ACL 2026