作者提出了Deep Interaction，一种高效的人机交互方法，旨在无需完全重新生成响应即可纠正大语言模型中的推理错误。该机制允许用户直接编辑原始的Chain-of-Thought响应，在保留正确步骤的同时修复错误。
- 该方法将编辑后的CoT精炼为蒸馏提示词，以引导模型沿修正后的路径运行。
- 与基线方法相比，其在STEM任务上的修正成功率提高了25%以上。
- 与基线方法相比，令牌使用量减少了约40%。
此方法解决了当前交互模式效率低下的问题，在现有模式下，用户必须费力地标记错误步骤或接受重复出现的错误。