APPSI-139: A Parallel Corpus of English Application Privacy Policy Summarization and Interpretation

📄 arXiv: 2604.27550v1 📥 PDF

作者: Pengyun Zhu, Qiheng Sun, Long Wen, Yanbo Wang, Yang Cao, Junxu Liu, Deyi Xiong, Jinfei Liu, Zhibo Wang, Kui Ren

分类: cs.CL, cs.AI

发布日期: 2026-04-30

备注: Accepted to ACL 2026 Main Conference

🔗 代码/项目: GITHUB

💡 一句话要点

构建高质量英文隐私政策摘要与解读平行语料库APPSI-139，并提出混合框架TCSI-pp-V2。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 隐私政策 摘要生成 平行语料库 自然语言处理 法律文本 混合框架 数据隐私

📋 核心要点

  1. 现有隐私政策冗长复杂，充斥专业术语，用户难以理解，存在法律风险，亟需高质量的摘要与解读。
  2. 论文构建APPSI-139语料库，并提出TCSI-pp-V2框架，通过交替训练和多专家模块协同，提升摘要质量。
  3. 实验表明，基于APPSI-139和TCSI-pp-V2的系统在可读性和可靠性上优于GPT-4o和LLaMA-3-70B等大型语言模型。

📝 摘要（中文）

隐私政策对于用户理解服务提供商如何处理其个人数据至关重要。然而，这些文档通常冗长复杂，充斥着技术术语和法律用语，导致用户在不知情的情况下接受可能甚至违反法律的条款。总结和解释这些隐私政策至关重要，但目前缺乏针对法律清晰度和可读性优化的高质量英文平行语料库。为了解决这个问题，我们推出了APPSI-139，这是一个由领域专家精心标注的高质量英文隐私政策语料库，专门为摘要和解释任务而设计。该语料库包括139个英文隐私政策，15,692个重写的平行语料，以及跨11个数据实践类别的36,351个细粒度标注标签。同时，我们提出了TCSI-pp-V2，一种混合隐私政策摘要和解释框架，该框架采用交替训练策略并协调多个专家模块，以有效地平衡计算效率和准确性。实验结果表明，基于APPSI-139语料库和TCSI-pp-V2框架构建的混合摘要系统在可读性和可靠性方面优于大型语言模型，如GPT-4o和LLaMA-3-70B。源代码和数据集可在https://github.com/EnlightenedAI/APPSI-139获取。

🔬 方法详解

问题定义：论文旨在解决用户难以理解冗长复杂的隐私政策的问题。现有方法，特别是直接使用大型语言模型，在隐私政策摘要和解释方面存在可读性差、可靠性低的问题，难以满足用户对清晰、准确理解隐私条款的需求。缺乏高质量的、针对法律清晰度和可读性优化的平行语料库是现有方法的痛点。

核心思路：论文的核心思路是构建一个高质量的隐私政策摘要与解释平行语料库（APPSI-139），并在此基础上开发一个混合框架（TCSI-pp-V2），该框架结合了多个专家模块，通过交替训练的方式，在计算效率和准确性之间取得平衡。通过专家标注的数据和专门设计的框架，提升隐私政策摘要和解释的可读性和可靠性。

技术框架：TCSI-pp-V2框架是一个混合系统，包含多个专家模块，具体模块细节未知。框架采用交替训练策略，即不同模块交替进行训练，以优化整体性能。整体流程包括：输入隐私政策原文，经过TCSI-pp-V2框架处理，输出摘要和解释结果。框架的设计目标是在保证计算效率的同时，提高摘要和解释的准确性和可读性。

关键创新：论文的关键创新在于：1) 构建了高质量的APPSI-139语料库，该语料库由领域专家标注，专门针对隐私政策的摘要和解释任务进行优化；2) 提出了TCSI-pp-V2混合框架，该框架通过交替训练和多专家模块协同，有效地平衡了计算效率和准确性。与直接使用大型语言模型相比，该方法更注重可读性和可靠性。

关键设计：论文中关于TCSI-pp-V2框架的具体模块设计、参数设置、损失函数和网络结构等技术细节描述不足，具体实现未知。交替训练策略的具体实现方式也未知。APPSI-139语料库包含139个英文隐私政策，15,692个重写的平行语料，以及跨11个数据实践类别的36,351个细粒度标注标签。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，基于APPSI-139语料库和TCSI-pp-V2框架构建的混合摘要系统在可读性和可靠性方面优于大型语言模型，如GPT-4o和LLaMA-3-70B。具体的性能数据和提升幅度在论文中未详细给出，但整体结果表明该方法在隐私政策摘要和解释方面具有显著优势。

🎯 应用场景

该研究成果可应用于开发用户友好的隐私政策摘要和解释工具，帮助用户更好地理解服务提供商如何处理其个人数据，从而做出更明智的决策。此外，该语料库和框架可用于自动化隐私合规性检查，降低企业合规成本，并促进数据隐私保护。

📄 摘要（原文）

Privacy policies are essential for users to understand how service providers handle their personal data. However, these documents are often long and complex, as well as filled with technobabble and legalese, causing users to unknowingly accept terms that may even contradict the law. While summarizing and interpreting these privacy policies is crucial, there is a lack of high-quality English parallel corpus optimized for legal clarity and readability. To address this issue, we introduce APPSI-139, a high-quality English privacy policy corpus meticulously annotated by domain experts, specifically designed for summarization and interpretation tasks. The corpus includes 139 English privacy policies, 15,692 rewritten parallel corpora, and 36,351 fine-grained annotation labels across 11 data practice categories. Concurrently, we propose TCSI-pp-V2, a hybrid privacy policy summarization and interpretation framework that employs an alternating training strategy and coordinates multiple expert modules to effectively balance computational efficiency and accuracy. Experimental results show that the hybrid summarization system built on APPSI-139 corpus and the TCSI-pp-V2 framework outperform large language models, such as GPT-4o and LLaMA-3-70B, in terms of readability and reliability. The source code and dataset are available at https://github.com/EnlightenedAI/APPSI-139.