生物医学的通俗指南：编排大型语言模型
计算与语言
2024-02-22 v1
摘要
自动通俗摘要（LS）旨在将复杂的技术文档简化为非专家更易理解的格式。使用预训练语言模型并可能结合外部背景知识的现有方法，在有效简化和解释方面往往存在困难。此外，缺乏能够有效评估生成摘要“通俗性”的自动化方法。最近，大型语言模型（LLM）在文本简化、背景信息生成和文本评估方面展现出了卓越的能力。这促使我们系统地探索使用LLM来生成和评估生物医学文章的通俗摘要。我们提出了一种新颖的“先解释后总结”LS框架，该框架利用LLM生成高质量的背景知识以改进有监督LS。我们还评估了LLM在零样本LS中的性能，并提出了两种基于LLM的LS评估指标，从多个角度评估通俗性。最后，我们对生成的通俗摘要进行了人工评估。实验表明，LLM生成的背景信息有助于改进有监督LS。此外，我们新颖的零样本LS评估指标与人类偏好表现出高度一致。我们得出结论，LLM在改进LS方法的性能和评估方面都能发挥重要作用。
引用
@article{arxiv.2402.13498,
title = {The Lay Person's Guide to Biomedicine: Orchestrating Large Language Models},
author = {Zheheng Luo and Qianqian Xie and Sophia Ananiadou},
journal= {arXiv preprint arXiv:2402.13498},
year = {2024}
}
备注
18 pages, 4 figures