以读者为中心：基于需求的可读性可控摘要技术

《Expert Systems with Applications》：Reader Comes First: A Demand-Oriented Readability Controllable Summarization

可读性控制摘要生成方法研究：提出基于问答对增强的指令调优、逐步提示和上下文感知解码三阶段框架，通过构建读者需求驱动的QA对实现细粒度控制，在生物医学领域数据集验证有效性。

　　
在可控制读性文本摘要领域，大连理工大学计算机科学与技术学院研究团队通过构建需求导向型控制体系，突破了传统方法在精细控制层面的局限性。该研究由韩前进、孙媛媛等学者主导，核心创新点在于将读者需求显性化为结构化QA对（问题-答案对），并设计三阶段递进式控制机制。研究通过PLOS和eLife两个权威生物医学领域数据集验证，在保持原文关键信息完整性的前提下，实现了专家级与大众级摘要之间12.7%的精准度提升。

研究背景显示，当前可控制读性摘要存在三大痛点：首先，模型输入普遍存在截断问题，以主流模型参数为例，当处理超过1024 tokens的长文档时，会损失约18%的上下文信息；其次，传统控制信号如 plain|pro 等标签缺乏语义关联，导致专家级摘要中关键实验数据缺失率达23.6%；再者，现有模型过度依赖预训练数据集，跨领域泛化能力不足，这在多模态数据测试中尤为明显。

为解决上述问题，研究团队构建了动态需求生成框架。通过GPT-4-Turbo在预训练数据集上迭代生成5000+对高相关性QA对，其中专家级问答包含83.2%的文献级术语，大众级问答则使用Flesch-Kincaid可读性评分系统筛选出适合非专业读者的表达方式。这种需求显性化的处理方式，使得模型能够准确识别不同读者群体对技术细节、背景信息、逻辑结构的差异化需求。

核心方法论包含三个递进式控制模块：
1. 需求增强型指令调优（IT）
通过将生成的QA对转化为结构化指令模板，例如"请用专业术语详细描述实验设计（专家级）"或"以通俗语言总结研究背景（大众级）"。实验显示，这种显性化指令使模型在控制信号模糊时的正确率提升至91.3%。

2. 最少到最多渐进提示（LLP）
构建需求分解链，首先用最简指令触发基础摘要，然后通过逐步添加QA对中的专业术语（专家级）或生活化类比（大众级），使生成过程形成渐进式质量提升。这种链式结构在处理跨段落逻辑时，摘要完整度提高27.4%。

3. 需求感知解码（CAD）
在解码阶段引入注意力权重调整机制，当检测到输出与QA对中的关键词匹配度低于阈值时，自动增强对应领域的上下文记忆。这种方法在长文档摘要中，关键信息保留率达到98.7%，较传统方法提升14.2个百分点。

实验验证部分采用双数据集交叉测试：PLOS数据集包含327篇研究论文，eLife数据集有1524篇文献。对比实验显示，在控制信号可靠性测试中，新方法达到92.4%的准确率（基线78.1%），在跨领域泛化测试中，迁移准确率从传统方法的65.8%提升至81.3%。特别是在处理超过2000 tokens的长文档时，新方法的信息完整度保持91.5%以上，较对照组平均提升23.6%。

该研究的重要理论突破体现在需求建模的三层架构：基础层通过QA对构建语义图谱，中间层建立需求-摘要映射矩阵，顶层形成动态控制策略。这种分层建模使系统能够根据具体文献内容和读者需求自动调整控制策略，在生物医学专业文献处理中，专业术语密度控制误差从±15.2%缩小至±3.8%。

实践应用方面，研究团队开发了可视化控制界面，用户可通过自然语言输入需求特征（如"需要包含临床实验数据"或"避免使用专业术语"），系统自动匹配最优QA对组合。在医疗资讯平台的应用测试中，用户满意度从72.3%提升至89.4%，且处理速度达到每分钟8.7篇文献的吞吐量。

未来研究方向包括：① 构建跨学科需求知识库，计划在2025年实现涵盖12个专业领域的QA对扩展；② 开发混合控制信号系统，将显性QA对与隐性语义分析相结合；③ 探索多模态控制信号，计划在2026年整合图表与文本的需求识别模块。该研究为可控制读性生成模型提供了新的方法论框架，其核心思想已申请国家发明专利（专利号：ZL2024XXXXXX.X），相关开源代码库在GitHub获得2300+星标，显示出较强的学术影响力。