OasisSimp - 网景盛世AI实验室

一份政府公告、一页用药说明，公开并不等于读得懂——对第二语言读者、学生和有阅读障碍的人来说，复杂的长句本身就是一道门槛。OasisSimp 为五种语言建立了句子简化的开放评测基准：语料全部由母语者撰写，覆盖英语、僧伽罗语、泰米尔语、泰语和普什图语。

据论文重绘。每个语种一个样例，句子过长处以省略号截断。普什图语、僧伽罗语、泰语与泰米尔语沿用论文原文旁所附的英文对照。

读得到，不等于读得懂

标题里的那次改写，在自然语言处理中称为句子简化（sentence simplification）：把一句话改写得更易读，同时不丢失原意。它是公共信息、教育和无障碍阅读的底层能力：政务部门希望公告人人能懂，出版与教育机构需要分级读物，健康信息的可读性更是直接影响理解成本。

英语的句子简化研究已有多年积累的可用基准；而对僧伽罗语、普什图语、泰米尔语、泰语这样的低资源语言（可用语料和评测数据稀缺的语言），过去几乎没有任何公开评测——连衡量一个简化系统好坏的尺子都不存在。OasisSimp 补上的正是这把尺子。

语料全部来自真实场景：政府文件、新闻与 Wikipedia。9,519 个复杂句中的每一句，都由母语者按统一指南写出多条简化参考（多参考——同一句允许多种可接受的简化写法，避免把某一种答案当成唯一标准）。

数据按 80% test / 20% validation 切分，并以 CC BY 4.0 许可完全开放，定位为评测基准而非训练语料。

Table 1. OasisSimp 数据集最终统计
Lang	# Comp Sentences	Avg. Simp Sentences	Avg. Comp Length	Avg. Simp Length	Source Domain
English	2500	2.86	24.35	17.23	News
Sinhala	2500	5.00	30.12	28.78	Govt
Thai	1499	5.06	48.24	37.77	News
Tamil	520	4.66	23.22	17.65	Govt
Pashto	2500	3.00	28.81	20.31	Wiki

论文用 SARI（句子简化的标准自动指标，分别衡量新增、保留、删除三类改写操作，对应表中的 ADD / KEEP / DEL）和 BERTScore（基于语义相似度的自动评分）评测了 8 个开源多语大模型。

结果有两层。少样本示例（few-shot——在提问中附上几个示范例子）几乎在所有语言上带来提升，说明风格可以校准；但低资源语言的绝对表现仍然明显落后，尤其当简化需要新增合适的简单表达，而不只是删掉冗余信息时。

Table 3. Results on English (OasisSimp-EN)
Model	0 Shot					1 Shot					5 Shot
	SARI Comp.			SARI	F_ref	SARI Comp.			SARI	F_ref	SARI Comp.			SARI	F_ref
	ADD	KEEP	DEL	SARI	F_ref	ADD	KEEP	DEL	SARI	F_ref	ADD	KEEP	DEL	SARI	F_ref
Aya ✓	9.32	44.98	75.23	43.18	54.44	9.68	44.90	72.51	42.36	56.35	10.18	45.91	71.16	42.42	57.20
Cmd-R ✓	9.69	44.95	72.89	42.51	55.90	10.99	43.71	77.57	44.09	55.03	11.91	45.28	77.09	44.76	56.63
DeepSeek ✓	7.03	41.47	76.30	41.60	51.88	7.80	41.12	76.82	41.91	51.92	9.41	42.03	77.22	42.89	54.15
EuroLLM ✓	9.32	45.60	68.36	41.10	56.98	10.99	46.98	69.35	42.44	57.96	11.63	46.55	70.93	43.04	58.10
Gemma ✓	5.24	44.43	68.54	39.40	51.87	6.55	43.26	74.44	41.41	52.34	9.19	44.67	77.06	43.64	55.27
LLaMA	6.48	43.31	68.34	39.38	54.30	8.11	43.42	72.83	41.45	54.53	9.93	44.75	73.75	42.81	56.00
Mistral ✓	8.56	43.66	77.46	43.23	52.49	10.31	43.82	78.43	44.18	54.55	11.61	44.01	78.59	44.74	55.89
Qwen ✓	8.70	46.07	73.53	42.77	42.36	9.54	46.40	77.25	44.39	53.03	10.88	47.01	77.08	44.99	55.27

Table 7. Results on Pashto (OasisSimp-PS)
Model	0 Shot					1 Shot					5 Shot
	SARI Comp.			SARI	F_ref	SARI Comp.			SARI	F_ref	SARI Comp.			SARI	F_ref
	ADD	KEEP	DEL	SARI	F_ref	ADD	KEEP	DEL	SARI	F_ref	ADD	KEEP	DEL	SARI	F_ref
Aya ✕	0.62	23.98	67.47	30.69	49.17	1.08	45.60	58.62	35.10	60.83	1.77	53.81	47.17	34.25	68.25
Cmd-R ✕	0.75	50.82	51.73	34.44	61.91	0.93	54.41	44.44	33.26	67.84	0.70	56.53	35.62	30.95	70.52
DeepSeek ✕	0.52	41.19	60.71	34.14	38.65	0.90	48.83	54.59	34.78	63.65	0.91	50.16	52.51	34.53	66.26
EuroLLM ✕	0.50	54.28	44.40	33.06	67.55	0.65	54.87	43.28	32.93	69.72	0.78	55.37	42.09	32.75	70.42
Gemma ✕	3.84	25.08	70.78	33.23	56.95	4.47	34.75	68.57	35.93	61.47	5.39	46.39	61.95	37.91	66.04
LLaMA ✕	0.70	18.34	70.28	29.77	-22.40	3.15	46.28	61.67	37.04	51.15	1.96	46.53	58.15	35.55	33.03
Mistral ✕	0.94	26.36	68.13	31.81	47.73	1.42	41.20	63.04	35.22	61.31	1.51	45.93	58.60	35.35	64.40
Qwen ✕	2.34	47.48	58.92	36.25	58.02	2.81	49.88	55.34	36.01	64.76	2.62	53.79	48.71	35.04	65.57

低资源语言终于有可复现基准。泰语、普什图语、泰米尔语过去几乎没有可用句子简化数据。

服务真实读者，而不只是排行榜。简化系统直接关系到政府公告、教育材料和健康信息的可读性。

把“英语能力外推”拉回现实。英文表现不能代表多语简化能力，OasisSimp 给出了具体证据。

项目页提供数据、说明和评测入口，适合多语 NLP 与可访问性研究复用。