本研究提出了一种新方法，开发了适用于斯洛文尼亚语的生成模型GaMS 1B，旨在解决大型语言模型在低资源语言上的局限性。通过对英语OPT模型的预训练，GaMS在句子简化任务中表现优异，展现了应用潜力。

本文介绍了多个西班牙语自然语言处理研究，包括IMPACT-es语料库、无监督句子简化系统MUSS、医学语言模型及其评估，以及西班牙语金融文本简化数据集的开发。研究强调了特定领域预训练的重要性，并展示了多语言模型与西班牙语特定模型的性能对比，旨在推动西班牙语处理技术的发展。

本文探讨了一种新的预训练策略，通过继续训练 BART 模型生成简单文本，以提高简化任务的表现。研究表明，大型语言模型（LLMs）在句子简化方面优于传统方法，并提出了一种结合词汇和深度学习技术的透明文本简化流水线。实验结果显示，LLMs 在儿童教育材料生成和文本分类任务中表现出色，尤其在低资源场景下，新型词汇简化方法有效提升了性能。

本文介绍了EASSE Python包，旨在标准化句子简化系统的评估。研究通过微调语言模型和构建德语语料库，解决数据稀缺问题，提升文本简化性能。同时，项目关注法律文本的可理解性，并探索生成图像的AI应用。研究结果强调了针对特定受众的文本格式框架的重要性。

该文介绍了一种基于编辑的无监督句子简化方法，通过评分函数进行指导，迭代执行单词和短语级别的编辑。实验表明，该方法几乎与最先进的监督方法一样有效。