Deep Interaction: An Efficient Human-AI Interaction Method for Large Reasoning Models

背景

随着大型语言模型（LLM）能力的不断提升，链式思维（Chain‑of‑Thought, CoT）推理已成为处理复杂多步任务的关键技术。CoT 通过引导模型逐步生成中间推理步骤，显著提升了在数学、逻辑、科学等 STEM 领域的表现。然而，当模型在推理过程中某一步骤出现错误时，现有的人机交互方式存在明显缺陷：要么要求模型重新生成一个完整回答——而新回答可能同样在相同或不同环节犯错；要么用户需要在后续对话中手动标记错误步骤，但模型往往只会回复「你说得对，我在这里犯了错」，随后又出现类似的错误，无法真正、精确地纠正推理链中的单一错误环节。这种低效的交互不仅消耗用户大量时间和精力，还造成 token 资源的浪费。针对这一痛点，研究者提出了一种更高效、更精确的人机交互机制——Deep Interaction。

核心内容

Deep Interaction 是一种面向大型推理模型的高效人机交互方法，旨在让用户能够直接编辑模型的原始输出，从而在保留正确推理步骤的同时，精确修改错误的部分。其核心流程如下：

1. 直接编辑原始响应：当模型生成的 CoT 推理链中出现错误时，用户可直接在模型输出的文本上定位并修正该错误（例如修改一个错误的中间计算结果或逻辑关系），而无需让模型重新生成整个回答。

2. 提炼修正后的 CoT 为精炼提示（distilled prompt）：系统将用户编辑后的正确推理链进行压缩与重构，形成一份精简、聚焦的提示（distilled prompt）。该提示保留了修正后的推理路径与关键逻辑，去除了冗余信息。

3. 引导模型沿修正路径推理：将提炼后的提示作为新的上下文输入给同一 LLM，引导其沿着用户纠正的推理链继续生成后续步骤，或基于该修正路径重新输出完整答案。这一过程相当于让模型「借用人脑的纠错能力」，同时避免从零开始生成带来的不确定性与 token 浪费。

实验在 STEM 任务（科学、技术、工程、数学）上进行对比测试。与基线方法（如重新生成、对话式指错）相比，Deep Interaction 取得了以下量化成果：

• 纠错成功率提升超过 25%：用户完成一次编辑后，模型能更可靠地按照修正路径得出正确答案。
• token 消耗减少约 40%：由于避免了重复生成完整回答和对错误步骤的冗长讨论，整体计算开销大幅降低。

该方法的核心优势在于：在保持模型自主推理能力的前提下，将人类精准的纠错能力以极低的成本注入推理过程，实现了人机协作的深度交互。

关键要点

• 传统交互方式低效：重新生成可能重复犯错，对话式指错难以根治逻辑链中的具体错误。
• Deep Interaction 允许用户直接编辑模型的原始 CoT 输出，实现精确纠正。
• 系统将编辑后的正确 CoT 提炼为 distilled prompt，用于引导模型沿修正路径推理。
• 在 STEM 推理任务上，纠错成功率提升 >25%，token 消耗降低约 40%。
• 该方法不需要额外的模型训练或微调，仅通过改进人机交互接口即可实现。
• 保留了模型自身的大部分推理步骤，减少了对人类全量干预的依赖。

意义与影响

Deep Interaction 的提出为人机协作推理提供了一种轻量、高效的新范式。其意义体现在多个层面：

• 提升交互效率：用户不再是被动等待模型重做或反复纠错，而是可以主动、精准地介入推理过程，将交互从「多轮对话纠错」简化为「一步编辑修正」，大幅缩短交互时间。
• 降低计算成本：token 使用量的显著减少意味着更低的 API 调用成本和更快的响应速度，对高并发或资源受限场景尤为有利。
• 增强可靠性：通过人类精准的局部修正，模型在复杂推理任务中的最终输出可靠性得到提升，有助于 LLM 在专业领域（如科研、工程、法律）的落地应用。
• 启发交互设计：将「编辑原始输出」作为交互原语，可能会推动未来 AI 系统界面从「问答式」向「协作式编辑」演进，使用户能够像修订文档一样与模型共同构建推理链。
• 潜在局限：当前方法主要面向可编辑的文本推理步骤，对于非文本（如图像、代码）或多模态任务的适用性尚需探索；另外，如何防止用户误改导致正确步骤被破坏，以及如何平衡用户编辑的粒度与模型后续利用能力，也是后续研究需要关注的方向。

总体而言，Deep Interaction 通过简洁而高效的设计，在人机协同推理领域迈出了实用化的一步，为构建更可控、更经济的 LLM 应用提供了有价值的思路。