该研究使用生成式大型语言模型估计外语文本难度并简化为较低层次。通过标记示例、迁移学习和大型语言模型开发难度分类模型，提高准确性。研究结果显示，有限的精调也能获得有意义的文本简化。该方法适用于其他外语。

通过研究生成式大型语言模型在机器翻译中的性能，发现多语言模型在人工翻译输出方面表现类似人类水平。针对流行的语言模型作为机器翻译工具的错误和限制进行分类和提出设计提示进行上下文学习的方法。旨在促进生成式大型语言模型在机器翻译中的进步。