لقد أصبح تبسيط ملخصات النشرات الأكاديمية طريقة شائعة لنقل الاكتشافات العلمية إلى جمهور أوسع. في حين يهدف تلخيص النصوص إلى تقليل طول المستندات الطويلة، فإن التبسيط يسعى إلى تقليل تعقيد النص. ولتحقيق هذين الهدفين معًا، هناك حاجة لتطوير أساليب التعلم الآلي لتقليل طول النصوص الطويلة وتبسيطها. تقدم هذه الدراسة نموذجًا جديدًا يُسمى "تلخيص النص المُدرك للتبسيط" (SATS)، المبني على توقع النماذج المستقبلية ذات الحجم n. يوسع النموذج المقترح SATS، وهو نموذج لتلخيص النصوص يُدعى ProphetNet، من خلال تحسين دالة الهدف باستخدام قاموس تكرار الكلمات لمهام التبسيط. وقد قُمنا بتقييم أداء SATS على مجموعة بيانات حديثة لملخصات التلخيص والتبسيط تتكون من 5400 زوجًا من المقالات العلمية. وتبين النتائج التي تم الحصول عليها من خلال التقييم الآلي أن SATS يتفوق على النماذج الرائدة في مجال التبسيط والتلخيص والجمع بين التبسيط والتلخيص في مجموعتين بيانات، وذلك وفقًا لمقاييس ROUGE وSARI وCSS1. كما قدمنا تقييمًا بشريًا للملخصات التي أنتجها نموذج SATS. تم تقييم 100 ملخصًا من قبل ثمانية مُقيّمين من حيث القواعد النحوية، والاتساق، والتماسك، والسلاسة، ودرجة التبسيط. وتشير القيم المتوسطة للتصنيفات البشرية في جميع المعايير المُستعرضة إلى نطاق يتراوح بين 4.0 و4.5 على مقياس من 1 إلى 5، حيث تمثل 1 مستوى منخفضًا و5 مستوى عاليًا.