Know Your Audience: The benefits and pitfalls of generating plain language summaries beyond the "general" audience

语言模型（LM）在简化和总结复杂语言方面表现出良好的潜力，可以作为向普通公众传播科学的工具。因为模型可以被提示为特定受众（如受过大学教育的成年人）生成文本，所以LM可以用于为具有不同科学主题熟悉度的人创建多个版本的简明语言摘要。然而，自适应简明语言的好处和缺陷尚不清楚。何时需要简化，这样做的成本是什么，这些成本是否因读者具有不同的背景知识而有所不同？通过三个被试研究，我们向具有不同背景的参与者展示不同预期受众的摘要，发现对于对某一主题没有或很少熟悉的读者，简单的文本会带来最佳阅读体验，但对于熟悉主题的读者，过于简单的摘要会忽略某些细节（例如研究限制）。我们的工作提供了方法和指导，以超越单一“普通”受众来适应简明语言摘要。

本论文旨在探讨自适应简明语言摘要的优缺点，以及在不同读者背景下的差异。

通过三个研究实验，发现对于不熟悉某个话题的读者，简化的文本可以提高阅读体验；但对于熟悉该话题的读者，过于简化的摘要可能会忽略一些重要细节。提供了适应不同读者的简明语言摘要的方法和指南。

实验使用了三个不同的读者背景和摘要版本，通过测量阅读体验和理解程度来评估。研究结果表明，适应不同读者的简明语言摘要可以提高阅读体验和理解程度。

最近相关研究包括使用语言模型生成摘要的研究，以及探索简明语言摘要的优缺点的研究。相关论文包括“Using Language Models to Simplify and Summarize Text”和“Plain Language Summaries of Health Research: A Randomised Controlled Trial Studying Impact, Preferences and Understanding among Adolescents and Adults with and without Autism Spectrum Disorder”。