Les auteurs proposent Deep Interaction, une méthode d'interaction homme-IA efficace conçue pour corriger les erreurs de raisonnement dans les grands modèles de langage sans nécessiter de régénération complète de la réponse. Ce mécanisme permet aux utilisateurs de modifier directement la réponse Chain-of-Thought originale, préservant les étapes précises tout en corrigeant les erreurs.
- L'approche affine le CoT édité en un prompt distillé pour orienter le modèle le long du chemin corrigé.
- Elle obtient une amélioration de plus de 25 % du taux de réussite de correction sur les tâches STEM par rapport aux lignes de base.
- L'utilisation des jetons est réduite d'environ 40 % par rapport aux approches de référence.
Cette méthode traite l'inefficacité des schémas d'interaction actuels où les utilisateurs doivent laborieusement signaler les étapes fautives ou accepter des erreurs récurrentes.