DysLexLens：低资源LLM框架，分析阅读障碍者使用AI的真实体验

随着人工智能工具在辅助阅读、写作和组织学习任务中的应用日益广泛，阅读障碍学习者如何实际使用并体验这些工具，却缺乏系统性的研究。为此，一项发表于arXiv的新研究提出了名为DysLexLens的低资源大语言模型分析框架，旨在通过挖掘在线论坛讨论，深入理解这一群体的真实需求与使用反馈。

DysLexLens采用端到端且证据可追溯的设计架构，能够将杂乱的社交媒体帖子转化为基于词典的语料库，并结合知识图谱进行问题推理，生成可验证的查询响应。该框架具备四大特点：首先，通过词典驱动的过滤方法构建专注于阅读障碍与AI主题的Reddit语料库，提升低资源论坛数据相关性；其次，融合LLM语义分析与知识图谱推理，以挖掘有意义的模式；第三，引入RAGAS与查询鲁棒性等量化指标评估LLM生成回答的质量；第四，提供结构化定性验证指南，重点关注幻觉问题与证据对齐。

研究团队利用阅读障碍相关的Reddit论坛数据及30个测试问题验证了框架的有效性，结果表明该框架有望推广至其他低资源论坛数据分析场景。目前，DysLexLens框架、示例数据、问题集及评估结果已在GitHub开源，以支持研究可复现性。