LLM-Collaboration on Automatic Science Journalism for the General Audience

科学新闻旨在向非专业人士报道最新的科学发现，旨在使公众能够理解最前沿的科学研究。然而，由于受众通常缺乏有关所呈现研究的具体知识，因此这项任务可能具有挑战性。为了解决这个问题，我们提出了一个框架，集成了三个LLM，模仿真实的写作-阅读-反馈-修订工作流程，其中一个LLM充当记者，一个较小的LLM充当普通公众读者，第三个LLM则充当编辑。记者的写作通过读者的反馈和编辑的建议进行迭代改进。我们的实验表明，通过利用两个7B和一个1.8B的开源LLM的协作，我们可以生成比现有方法更易于理解的文章，包括先进的模型，如GPT-4。

提高科学新闻的可读性，使非专业读者也能够理解最新科研进展。

提出一种框架，利用三个语言模型（LLMs）来模拟真实的写作-阅读-反馈-修订工作流程，包括一个扮演记者角色的大型LLM、一个扮演普通读者角色的小型LLM和一个扮演编辑角色的大型LLM。通过读者的反馈和编辑的建议，不断完善记者的写作。利用两个7B和一个1.8B的开源LLM的协作，生成的文章比现有方法更易于理解，包括GPT-4等先进模型。

论文采用了三个不同的语言模型来模拟真实的写作-阅读-反馈-修订工作流程，提高了科学新闻的可读性。实验结果显示，该方法比现有方法更易于理解。

最近的相关研究包括使用GPT-4等先进模型生成科学新闻的方法。