用LLM评审构建策略对齐的文本简化模型

LLM评审自动造数据可让小开源模型在文本简化上比肩GPT-5。

资讯摘要

论文提出一种利用LLM-as-a-Judge自动构建策略对齐训练数据的方法，无需昂贵人工标注或平行语料，即可训练适应不同简化策略的模型，覆盖句子与文档层级。作者报告，经自动指标与编辑分析验证，小规模开源LLM在简化任务上达到或超过GPT-5，且改进在不同模型家族与规模上保持一致。

要点速读

1. 论文提出用LLM-Judge自动构建策略对齐的文本简化训练数据，免去人工标注与平行语料。
2. 方法支持句子级和文档级、面向不同简化策略的模型构建。
3. 作者报告小规模开源LLM在自动指标与编辑分析中匹配或超过GPT-5。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。