私たちは、ニューラルプログラマ-インタプリタ手法を用いて明示的な編集操作（追加、削除、保持）を学習する最初の文簡素化モデルを提案します。現在の多くのニューラル文簡素化システムは、機械翻訳から採用されたシーケンス・ツー・シーケンスモデルの変種です。これらの方法は、複雑な文と単純な文のペアで訓練されるため、その副産物として文簡素化を学習します。一方、私たちのニューラルプログラマ-インタプリタは、入力文の対象部分に対して明示的な編集操作を予測することに直接訓練されています。これは、人間が簡素化や修正を行う方法に類似しています。当モデルは外部知識を使用せずに3つのベンチマークテキスト簡素化コーパスにおいてSARIスコアで大幅に優れた性能を発揮し（WikiLarge +0.95、WikiSmall +1.89、Newsela +1.41）、人間評価者によって全体的により良くてシンプルな出力文を生成すると判断されました。