論文の概要: No Reader Left Behind: Multi-Agent Summaries Everyone Can Understand

• arxiv url: http://arxiv.org/abs/2605.28836v2
• Date: Fri, 29 May 2026 04:12:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.551432
• Title: No Reader Left Behind: Multi-Agent Summaries Everyone Can Understand
• Title（参考訳）: 読者はいない: マルチエージェントのサプライヤーは誰もが理解できる
• Abstract要約: アメリカ合衆国におけるプレーン・ライティング法(Plain Writing Act)は、政府文書を明確で単純な言語でアクセスすることを要求するものである。 本稿では,平易な言語要約のためのマルチエージェントフレームワークNRLB(No Reader Left Behind)を提案する。
• 参考スコア（独自算出の注目度）: 20.397184049171027
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Plain Writing Act in the United States requires government documents to be accessible in clear and simple language that the general public can easily understand, yet existing summarization systems struggle to address diverse linguistic and cognitive barriers among general readers. We present NRLB (No Reader Left Behind), a multi-agent framework for plain language summarization that simulates three representative reader groups: elementary school student readers, non-native readers, and readers with attention deficits. NRLB combines template-based planning with iterative, reader-oriented refinement, enabling systematic detection and resolution of difficult terms, missing contexts, and confusing sentences. Evaluations across multiple datasets demonstrate consistent improvements in readability while preserving factual accuracy. Human evaluation further validates NRLB's impact, with annotator preference rates ranging from 55% to 76%, highlighting NRLB's potential to produce plain language summaries that are both faithful to the source and broadly accessible to the general public.
• Abstract（参考訳）: 合衆国のプレーン・ライティング法は、政府文書を、一般大衆が容易に理解できる明確で単純な言語でアクセスすることを要求するが、既存の要約システムは、一般の読者の間で多様な言語的・認知的障壁に対処するのに苦労している。 本稿では,小学生,非ネイティブ読者,注意欠陥のある読者の3つの代表的読者グループをシミュレートする,平易な言語要約のためのマルチエージェントフレームワークであるNRLB(No Reader Left Behind)を紹介する。 NRLBはテンプレートベースの計画と反復的、読み手指向の洗練を組み合わせ、難解な言葉、文脈の欠如、混乱した文の体系的な検出と解決を可能にする。 複数のデータセットに対する評価は、事実の正確性を維持しながら、可読性の一貫した改善を示す。 人間による評価はNRLBの影響をさらに検証し、アノテーションの選好率は55%から76%の範囲であり、NRLBがソースに忠実であり、一般大衆に広くアクセス可能な平易な要約を生成する可能性を強調している。

関連論文リスト

• Beyond Facts: Benchmarking Distributional Reading Comprehension in Large Language Models [67.09110757873142]
  本研究では,LLMが自然言語から分布的知識を推測する能力を評価するための読解的ベンチマークであるText2DistBenchを紹介する。 映画と音楽のエンティティに関する実際のYouTubeコメントから構築されたこのベンチマークは、エンティティメタデータと関連するコメントを含むモデルを提供する。 信頼性と長期的な評価をサポートするため、Text2DistBenchの構築パイプラインは完全に自動化され、継続的に更新され、新たに登場したエンティティが組み込まれる。
  論文  参考訳（メタデータ） (2026-03-13T19:26:08Z)
• Using Multimodal and Language-Agnostic Sentence Embeddings for Abstractive Summarization [10.892363692521222]
  抽象的な要約は、新しい文を作成することによって簡潔な要約を生成することを目的としており、柔軟な言い換えが可能である。 このアプローチは不正確さ、特にモデルが存在しない情報を導入する幻覚に対して脆弱である可能性がある。 我々は、LaBSE、SONAR、BGE-M3といった事前訓練されたモデルから派生した多モーダルおよび多言語文の埋め込みを利用し、それらを修正されたBARTベースのフランス語モデルに供給する。 デコーダ入力にトークン化された名前付きエンティティを付加する名前付きエンティティ注入機構を導入し、生成された要約の実際の一貫性を改善する。
  論文  参考訳（メタデータ） (2026-03-09T11:55:32Z)
• OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
  OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。 回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。 OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
  論文  参考訳（メタデータ） (2026-01-04T15:48:51Z)
• Science Out of Its Ivory Tower: Improving Accessibility with Reinforcement Learning [15.03718014789799]
  言語モデルを微調整して、学術的な抽象語をより理解しやすいバージョンに書き換える強化学習フレームワークを導入する。 我々の最良のモデルは、学者抽象学の可読性レベルを、およそ6つの米国学級レベルに調整する。 我々は,学術研究と一般大衆のギャップを埋めるための一歩として,この研究を構想する。
  論文  参考訳（メタデータ） (2024-10-22T15:14:54Z)
• Analysing Zero-Shot Readability-Controlled Sentence Simplification [54.09069745799918]
  本研究では,異なる種類の文脈情報が,所望の可読性を持つ文を生成するモデルの能力に与える影響について検討する。 結果から,全ての試験されたモデルは,原文の制限や特徴のため,文の簡略化に苦慮していることがわかった。 実験では、RCTSに合わせたより良い自動評価指標の必要性も強調した。
  論文  参考訳（メタデータ） (2024-09-30T12:36:25Z)
• Free-text Rationale Generation under Readability Level Control [6.338124510580766]
  我々は,可読性レベル制御の影響下で,大規模言語モデル (LLM) が合理的生成をいかに行うかを検討する。 その結果,可読性レベルの違いは定義された複雑性スコアと完全に一致しないものの,説明はそのような命令に適応できることが判明した。 我々のアノテータは、すべての可読性レベルにおける理性に対する概ね満足のいく印象を確認します。
  論文  参考訳（メタデータ） (2024-07-01T15:34:17Z)
• White Men Lead, Black Women Help? Benchmarking and Mitigating Language Agency Social Biases in LLMs [58.27353205269664]
  社会的バイアスは、Large Language Model(LLM)生成コンテンツにおいて言語エージェンシーに現れる。 LLMのバイアスを包括的に評価するLanguage Agency Bias Evaluationベンチマークを導入する。 LABEを用いて,近年の3つのLLM(ChatGPT,Llama3,Mistral)における言語エージェントの社会的バイアスを明らかにした。
  論文  参考訳（メタデータ） (2024-04-16T12:27:54Z)
• Generating Summaries with Controllable Readability Levels [67.34087272813821]
  テキストの複雑さ、主題、読者の背景知識など、可読性レベルに影響を与える要因がいくつかある。 現在のテキスト生成アプローチでは制御が洗練されておらず、結果として読者の習熟度にカスタマイズされないテキストが作られる。 可読性を制御するための3つのテキスト生成手法を開発した。命令ベースの可読性制御,要求される可読性と観測される可読性の間のギャップを最小限に抑える強化学習,および,ルックアヘッドを用いて今後の復号化ステップの可読性を評価する復号手法である。
  論文  参考訳（メタデータ） (2023-10-16T17:46:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。