核心发现
方法论
该研究采用基于SciSummNet的语料库，首先利用GPT-4o-mini模型进行自动简化，随后由跨学科STEM读者评估模型生成的摘要的理解度、自然度与简洁性。第一阶段收集读者对复杂句子和短语的标注与偏好，第二阶段由计算机科学专家根据反馈进行人工编辑，形成参考简化版本。通过自动指标（BLEU、BERTScore、SARI）和人工评估，验证模型在可读性方面优于原文，但在术语保持和科学论断方面仍需专家干预。该流程强调在提升可理解性的同时，确保科学内容的准确传达。
关键结果
- 第一阶段中，92份评估中，73份偏好GPT简化版本在理解方面，70份偏好在简洁性方面，显示模型在表面可读性上具有优势。读者主要标注多名词复合词、缩写和专业术语为难点。
- 自动指标显示，GPT版本在BLEU（0.949）和BERTScore（0.9907）上远优于专家编辑（分别为0.349和0.9031），SARI得分也更高（46.76对33.72），表明模型在表层结构和词汇相似度方面表现更优。
- 专家后编辑版本在保持术语和科学论断方面表现更佳，尽管在表面可读性指标上略逊一筹，但能有效避免信息偏差和术语丢失。
研究意义
该研究填补了科学文本简化中跨学科受众的评估空白，为自动化工具提供了人机结合的评估框架，有助于推动科学传播的普及与合作。通过结合模型生成与专家编辑，平衡了自动化效率与内容准确，为未来多领域科学交流提供可行路径。
技术贡献
创新点在于引入人机交互的双阶段流程，将GPT-4o-mini作为自动简化工具，结合跨学科读者的反馈进行定向优化，再由专家进行内容校正，形成高质量的参考语料库。该方法突破了单纯自动化的局限，强调理解与内容保持的平衡，提供了科学文本简化的可操作性框架。
新颖性
本研究首次系统性结合跨学科读者评估与专家后编辑，构建了面向科学传播的多层次评估体系，强调模型输出的可理解性与科学性兼顾，填补了现有基准多偏向新闻或百科内容的空白。
局限性
- 样本规模有限，仅对47篇论文进行专家编辑，可能未充分代表全部科学领域的多样性。
- 评估主要依赖自动指标和有限的人工评审，缺乏大规模用户体验验证。
- 模型在专业术语和科学论断的保持上仍存在一定偏差，未来需引入更细粒度的内容校验机制。
未来方向
未来将扩展语料库规模，涵盖更多学科和难度层级，增强模型对专业术语的理解能力。还计划引入多模态信息（如图表、公式）以丰富简化内容的表达，提升跨学科科学传播的实用性。同时，将探索多语言环境下的文本简化策略，推动全球科学交流。
AI 总览摘要
在当今科学研究日益跨界融合的背景下，科学论文的专业性与复杂性成为非专业受众理解的主要障碍。传统的简化方法多依赖人工，成本高且难以规模化。本文提出了一套结合大语言模型（GPT-4o-mini）与人机交互的科学摘要简化流程，旨在提升跨学科读者的理解能力。
研究首先利用SciSummNet数据集，自动生成简化摘要，随后由来自不同STEM领域的读者进行评估，标注难懂句子和短语。基于反馈，专家对模型输出进行人工编辑，确保术语的准确性和科学论断的完整性。该流程在自动指标（BLEU、BERTScore、SARI）和人工评估中均表现出模型在表面可读性上的优势，但专家编辑则在术语保持和科学内容的校准方面发挥关键作用。
实验结果显示，模型生成的简化版本在理解和简洁性方面受到大多数跨学科读者的偏好，验证了自动化工具在科学传播中的潜力。该研究不仅提供了科学文本简化的多层次评估框架，也为未来跨领域科学交流提供了实践路径。未来工作将扩展语料库规模，结合多模态信息，推动多语言科学传播的实现。整体而言，该方法在提升科学知识普及、促进学科间合作方面具有重要意义。
深度分析
研究背景
随着科学研究的不断深化，跨学科合作成为推动创新的关键。然而，专业性强、术语密集的科学论文对非专业读者构成理解障碍。传统人工简化耗时耗力，难以满足快速传播的需求。近年来，大语言模型（如GPT系列）在文本生成和简化方面展现出巨大潜力，但其在科学文本中的应用仍面临内容准确性和术语保持的挑战。现有评估多偏向新闻或百科内容，缺乏针对科学论文的跨学科评估体系。为解决这一问题，本文提出结合人机交互的流程，利用模型自动生成基础简化版本，再由专家进行内容校正，形成高质量的参考语料库，为科学传播提供新工具。
核心问题
科学论文的专业术语、复杂句式和密集论证使非专业受众难以理解。自动简化模型虽能提升表面可读性，但常出现术语丢失、内容偏差和科学论断不准确的问题。如何在保证内容科学性和术语准确的同时，提升文本的易读性，成为亟待解决的核心难题。此外，现有评估指标难以全面反映理解度和内容保真度，缺乏跨学科受众的真实反馈机制。
核心创新
本研究的创新在于引入人机双阶段流程：首先利用GPT-4o-mini模型自动生成简化摘要，快速覆盖大量文本；其次通过跨学科读者评估，标注难点和偏好，形成定向反馈；最后由专家根据反馈进行内容校正，确保术语和科学内容的准确。此流程突破了单纯自动化的局限，有效结合模型效率与内容质量，提供了科学文本简化的可操作框架。不同于传统仅依赖自动指标的方法，该方案强调理解与内容保持的平衡，推动科学传播的实际应用。
方法详解
- �� 语料选择：采用SciSummNet，包含1000篇高引用论文的摘要和专家总结。
- �� 自动简化：利用GPT-4o-mini在零-shot模式下生成简化版本，要求保持段落结构，简化词汇。
- �� 第一阶段评估：招募跨学科STEM读者，随机呈现原文与模型版本，标注难懂句子，比较理解、自然和简洁偏好。
- �� 第二阶段编辑：由计算机科学专家根据反馈，采用四种场景（内容合并、验证、修正、润色）编辑简化文本，确保术语和科学内容的准确。
- �� 评估指标：使用BLEU、BERTScore、SARI衡量自动质量，人工评估理解和内容保真。
- �� 结果分析：比较模型与专家版本在自动指标和人工偏好中的表现，验证流程有效性。
实验设计
实验基于SciSummNet中的47篇论文，评估模型输出与专家编辑版本。采用BLEU、BERTScore、SARI和Flesch-Kincaid等指标，衡量文本相似度、可读性和内容变化。模型参数设定为零-shot，生成简化摘要后由跨学科读者评估理解和自然度。专家对模型输出进行后编辑，形成参考版本。通过统计分析验证模型在表层结构和词汇方面优越，但在术语和科学内容方面，专家编辑起到关键作用。实验还包括对不同评估指标的相关性分析，确保多角度评价。
结果分析
模型生成的简化摘要在理解和简洁性方面明显优于原文，92份评估中，73份偏好模型版本，70份偏好简洁性。自动指标显示，BLEU（0.949）和BERTScore（0.9907）远高于专家版本（分别为0.349和0.9031），SARI得分也更优（46.76对33.72）。然而，专家编辑版本在术语保持和科学内容校准上表现更佳，验证了模型在表面可读性上的优势与内容准确性之间的权衡。
原文摘要
Interdisciplinary research is accelerating, yet scientific papers remain difficult to understand outside their home fields. We study large language model (LLM)-based simplification of scientific texts and present a human-in-the-loop workflow that transforms expert summaries into more accessible versions for non-specialists. Using SciSummNet as the source corpus, we first generate baseline simplifications with GPT-4o-mini. In Phase 1, readers from STEM fields outside computer science identify difficult sentences and phrases and compare the original and GPT-simplified summaries in terms of comprehensibility, naturalness, and simplicity. In Phase 2, computer science experts use this feedback to create expert-edited reference simplifications. We release the resulting corpus together with human judgments and automatic evaluation results. The Phase 1 judgments show a clear preference for the GPT-generated summaries in terms of comprehensibility and simplicity, while qualitative analysis of the Phase 2 edits highlights the importance of preserving domain-specific terminology and the strength of scientific claims. The resulting resource supports the training and benchmarking of simplification systems for cross-disciplinary scientific communication.