评估生成性人工智能在教育文本简化中的应用：提高准确性和一致性以增强可读性

本研究解决了当前生成性人工智能在教育文本简化中存在的准确性和一致性不足的问题。我们提出了一种系统评估方法，通过对大型语言模型（LLMs）和提示技术进行评估，揭示了不同模型在将信息阅读材料简化到不同年级水平过程中的绩效差异。研究结果表明，尽管LLMs在自动文本简化方面具有潜力，但目前的模型和提示方法在各评估标准之间的平衡仍存在不足，为将来的系统评估提供了通用方法。