摘要
近年来，高质量、大规模英文语料资源的进展推动了英语自动文本简化（Automatic Text Simplification, ATS）研究的前沿发展。然而，由于缺乏涵盖多种语言中复杂句—简单句配对的多样化评估基准，多语言文本简化研究仍相对不足。本文提出了MultiSim基准，该基准包含12种不同语言的27个资源，涵盖超过170万对复杂句—简单句，旨在促进更高效多语言文本简化模型及评估指标的研发。我们利用预训练多语言语言模型在MultiSim上的实验表明，在非英语语境下，多语言训练带来了显著的性能提升。尤其值得注意的是，俄语在零样本跨语言迁移至低资源语言时表现出强劲性能。此外，我们进一步证明，使用BLOOM-176b进行少量样本提示（few-shot prompting）即可达到与参考简化文本相当的质量，在大多数语言中甚至优于微调模型。上述发现已通过人工评估得到验证。