Para penulis mengusulkan Deep Interaction, metode interaksi manusia-AI yang efisien yang dirancang untuk memperbaiki kesalahan penalaran dalam model bahasa besar tanpa memerlukan regenerasi respons penuh. Mekanisme ini memungkinkan pengguna mengedit langsung respons Chain-of-Thought asli, mempertahankan langkah-langkah yang akurat sambil memperbaiki kesalahan.
- Pendekatan ini menyempurnakan CoT yang diedit menjadi prompt yang disuling untuk mengarahkan model sepanjang jalur yang telah dikoreksi.
- Metode ini mencapai peningkatan lebih dari 25% dalam tingkat keberhasilan koreksi pada tugas STEM dibandingkan dengan baseline.
- Penggunaan token berkurang sekitar 40% relatif terhadap pendekatan baseline.
Metode ini mengatasi ketidakefisienan pola interaksi saat ini di mana pengguna harus secara melelahkan menandai langkah-langkah yang cacat atau menerima kesalahan yang berulang.