文档级文本简化的示例引导提示

文档级文本简化需要 大语言模型 (LLM) 重写复杂文档，同时保留含义、可读性和话语连贯性。尽管基于提示的 LLM 表现出了良好的性能，但它们经常产生不一致的简化，因为文本指令本身为复杂的文档级转换提供的指导有限。我们研究检索到的文档简化示例是否可以通过使用从并行简化语料库中选择的示例来增强提示来改进文档级生成。这种示例引导的提示方法使 LLM 能够利用相关的简化模式，而无需特定于任务的 微调。使用多个最先进的 LLM 在 OneStopEnglish 语料库上进行的实验表明，与仅提示生成相比，合并检索到的示例可以持续提高简化质量，并且与代表性监督 (T5) 和基于规划 (PlanSimp) 的文档简化系统相比，实现具有竞争力或优越的性能。此外，我们发现示例引导提示的好处在 LLM 中有所不同，这表明检索示例的有效使用取决于模型在生成过程中集成上下文信息的能力。