El uso de modelos de lenguaje de gran magnitud para simplificar textos ha demostrado beneficios significativos en la comprensión lectora, según un estudio aleatorizado que involucró a 4,563 participantes. Estos participantes leyeron textos originales y simplificados en diversas áreas, como la biomedicina, derecho y finanzas, y respondieron preguntas de opción múltiple diseñadas para evaluar su comprensión.

Los resultados revelaron que aquellos que accedieron a textos simplificados incrementaron en un 3.9% su precisión en las respuestas en comparación con quienes leyeron textos originales. Este incremento fue más notorio en textos del área biomédica procedentes de PubMed, donde la precisión mejoró en un 5.5%. En otras áreas, como la aeronáutica y ciencias de la computación, la mejora fue de 3.8%.

El estudio resalta la robustez de estos resultados, incluso cuando los participantes no podían consultar el texto durante los cuestionarios. Además, quienes leyeron los textos simplificados reportaron una mayor facilidad para comprender el contenido, reflejado en un índice simplificado de carga cognitiva de la NASA.

Para lograr estas mejoras, se desarrolló un sistema de refinamiento iterativo automatizado, que optimizó las capacidades del modelo de lenguaje procesando iteraciones sucesivas hasta alcanzar una versión óptima de simplificación de textos con mínima pérdida de contenido.

A pesar del éxito, se identificaron ciertas limitaciones, como el posible impacto del incentivo económico en la velocidad de respuesta de los participantes o la dificultad para medir con precisión la comprensión completa de los textos complejos.

En conclusión, este estudio subraya el potencial de los modelos de lenguaje grandes para hacer la información académica compleja más accesible para el público general, promoviendo un acceso más equitativo al conocimiento especializado.