科学新闻报道的自动生成提高了学术洞察的可访问性。通过对学术出版物和科学新闻报道的分析，发现两者在易读性和简洁性上存在差异。使用文本生成模型对数据集进行了基准测试，为进一步研究科学新闻报道的自动生成奠定了基础。

该研究设计了一个自动化系统，支持科学新闻报道的实际任务。该系统整合了论文的话语结构和元数据，并通过 extensive automatic and human experiments 的演示证明了其在为目标受众阐述有意义的内容计划、简化所选信息和以外行人的风格生成一个连贯的最终报告方面的优越性。该框架优于其他基准方法（如 Alpaca 和 ChatGPT）的表现。