本文探讨了大型语言模型（LLMs）在文本难度控制中的应用，评估了少样本提示、监督微调和强化学习等方法的效果。研究发现，GPT-4与开源模型之间存在性能差距，但通过精调和强化学习的结合可以缩小这一差距。提出的CALM模型在成本低的情况下超越了GPT-4的表现，验证了其在教育和学习应用中的潜力。