A Hybrid Multi-Agent Prompting Approach for Simplifying Complex Sentences

文章主要内容总结

研究背景与问题

• 句子简化是计算语言学中的重要任务，目标是在保留原意的前提下将复杂句子转化为简单结构，在教育、无障碍内容、游戏设计等领域有重要应用。
• 传统方法（规则系统、统计方法、神经网络）难以在简化同时保持语义等价，LLM单独使用时因简化策略多样易失效，微调也可能因训练集有限导致过拟合。
• 复杂句子在动作导向场景（如机器人、游戏逻辑）中存在条件逻辑嵌套、时间依赖等挑战，需分解为可执行步骤。

研究方法

• 混合多智能体框架：包含三个专用智能体协作完成句子简化。
  • 智能体1（句子简化器）：使用GPT-4O和高级提示（元指令、链式思维）分解复杂句子为逻辑有序的简单指令，注重因果关系和动作拆分。
  • 智能体2（语义与词汇评估器）：计算输入与输出句子的语义相似度（需>95%）和词汇相似度（需≤40%），评估简化质量。
  • 智能体3（替代句子简化器）：当语义相似度不足时被触发，结合定向提示、元提示和链式思维，处理含时间动态和数学条件的复杂句子。
• 算法流程：通过多轮评估和迭代修订，确保简化句子的语义保留和结构优化。

实验结果

• 数据