Max Schlosser

• This thesis introduces a semi-automated process for optimizing prompt generation using Reinforcement Learning to improve text readability of content generated by Large Language Models. A novel readability metric normalization technique is employed to ensure consistent evaluation across text samples. The research utilizes a distributed system architecture to integrate multiple services, including word pool scraping, prompt generation and text evaluation, enabling scalable and efficient training of an agent. Results indicate significant improvements in text readability, demonstrating the effectiveness of the proposed approach.
• In dieser Arbeit wird ein semiautomatisches Verfahren zur Optimierung der Promptgenerierung mithilfe von Reinforcement Learning vorgeschlagen, um die Lesbarkeit von Texten zu verbessern, die aus großen Sprachmodellen generiert wurden. Ein neuartiges Verfahren zur Normalisierung von Lesbarkeitsmetriken wird verwendet, um eine konsistente Bewertung von Textproben zu gewährleisten. Die Implementierung nutzt eine verteilte Systemarchitektur, um mehrere Dienste zu integrieren, einschließlich Wortpool-Scraping, Promptgenerierung und Textbewertung, was ein skalierbares und effizientes Training eines Agenten ermöglicht. Die Ergebnisse zeigen signifikante Verbesserungen in der Textlesbarkeit, was die Effektivität des vorgeschlagenen Ansatzes belegt.