不让读者掉队：人人都能理解的多智能体摘要

美国的《简明写作法案》要求政府文件以公众易于理解的清晰简单的语言提供，但现有的摘要系统难以解决普通读者的不同语言和认知障碍。我们提出了 NRLB（No Reader Left Behind），一种用于简单语言摘要的多智能体框架，它模拟了三个代表性的读者群体：小学生读者、非母语读者和注意力缺陷读者。 NRLB 将基于模板的规划与迭代的、面向读者的细化相结合，能够系统地检测和解决困难术语、缺失上下文和令人困惑的句子。跨多个数据集的评估表明可读性得到了一致的改进，同时保持了事实的准确性。人工评估进一步验证了 NRLB 的影响，注释者偏好率范围为 55% 至 76%，凸显了 NRLB 生成既忠实于来源又可供公众广泛访问的简单语言摘要的潜力。