深度交互：一种面向大型推理模型的高效人机交互方法

思维链（CoT）推理显著提升了大语言模型处理复杂多步任务的能力，但现有交互方式在出错时往往需重新生成或依赖低效的用户标记，导致错误复发。为此，本文提出“深度交互”机制，允许用户直接编辑原始响应中的错误部分，同时保留正确的推理步骤。该方法将编辑后的 CoT 提炼为蒸馏提示，引导模型沿修正路径推理。实验表明，相较于基线方法，该技术在 STEM 推理任务中将修正成功率提升超过 25%，并减少约 40% 的 token 消耗。