走出象牙塔的科学：利用强化学习提高可读性
计算与语言
2025-04-17 v2 人工智能
计算机与社会
摘要
每天都有大量学术成果发表，但其中大部分由于术语密集和语言复杂而难以被公众理解。为了应对科学传播中的这一挑战，我们引入了一种强化学习框架，该框架微调语言模型，将学术摘要改写为更易理解的版本。在词级和句级可读性奖励的精心平衡组合指导下，我们的语言模型能有效地将专业术语替换为更容易理解的替代词，而这一任务对于监督微调或由传统可读性指标引导的模型来说难以完成。我们最好的模型将学术摘要的可读性水平调整了大约六个年级——换句话说，从研究生水平降至高中水平。这相当于相对提升了约90%，同时保持了事实准确性和高质量的语言。对我们方法的深入分析表明，平衡的奖励会导致基础模型发生系统性修改，这可能有助于更平滑的优化和更优的性能。我们设想这项工作是在缩小学术研究与公众（尤其是年轻读者和没有大学学位的读者）之间差距方面迈出的一步。
引用
@article{arxiv.2410.17088,
title = {Science Out of Its Ivory Tower: Improving Accessibility with Reinforcement Learning},
author = {Haining Wang and Jason Clark and Hannah McKelvey and Leila Sterman and Zheng Gao and Zuoyu Tian and Sandra Kübler and Xiaozhong Liu},
journal= {arXiv preprint arXiv:2410.17088},
year = {2025}
}