Jul 16, 2026 · Deep Interaction
Deep Interaction: An Efficient Human-AI Interaction Method for Large Reasoning Models
arXiv 论文《Deep Interaction: An Efficient Human-AI Interaction Method for Large Reasoning Models》提出一种名为 Deep Interaction 的方法，允许用户直接编辑大语言模型的原始响应以纠正推理错误，并将编辑后的思维链提炼为提示词引导模型。实验表明，在 STEM 任务推理上，该方法相比基线方法将纠正成功率提升超过 25%，并将 token 使用量减少约 40%。
EVENT STORY
Development
- First ReportDeep Interaction: An Efficient Human-AI Interaction Method for Large Reasoning ModelsarXiv cs.AI
- Current Assessment该研究针对大语言模型推理错误纠正效率低下的问题，提出了一种人机交互方法，可能提升模型在复杂任务中的可用性。AIGC.NEWS · analysis
arXiv 论文《Deep Interaction: An Efficient Human-AI Interaction Method for Large Reasoning Models》提出一种名为 Deep Interaction 的方法，允许用户直接编辑大语言模型的原始响应以纠正推理错误，并将编辑后的思维链提炼为提示词引导模型。实验表明，在 STEM 任务推理上，该方法相比基线方法将纠正成功率提升超过 25%，并将 token 使用量减少约 40%。
该方法通过直接编辑原始响应并提炼纠正后的思维链为提示词，实现了精确的错误纠正，同时保留了正确的推理步骤。
该研究针对大语言模型推理错误纠正效率低下的问题，提出了一种人机交互方法，可能提升模型在复杂任务中的可用性。
该方法通过减少 token 使用量（约 40%）和提升纠正成功率（超过 25%），可能降低推理成本并提高用户满意度。
后续可关注该方法在更多任务和模型上的泛化能力，以及是否被集成到实际产品中。