交互即智能：人机合作深度研究
计算与语言
2025-07-22 v1
摘要
本文介绍了“交互即智能”研究系列，提出了对人类与人工智能在深度研究任务中关系的重新概念化。传统方法将交互仅视为访问 AI 能力的接口——人类意图与机器输出之间的通道。我们提出，交互本身构成了智能的一个基本维度。随着 AI 系统在研究任务中进行扩展思考过程，有意义的交互从可选增强转变为有效智能的必需组件。当前的深度研究系统采用“输入-等待-输出”范式，用户发起查询后经由黑盒处理获得结果。这种方法导致错误级联效应、限制灵活的研究边界（无法在调查过程中细化问题），以及错失专业知识集成的机会。为克服这些限制，我们引入 Deep Cognition 系统，将人类角色从给出指令转变为认知监督——即通过在关键节点进行战略干预来指导 AI 思维过程的模式。Deep Cognition 实施了三个关键创新：(1) 透明、可控且可中断的交互，揭示 AI 推理并可在任意点进行干预；(2) 细粒度双向对话；(3) 共享认知上下文，其中系统观察并适应用户行为，无需显式指令。用户评估显示，该认知监督范式在六个关键指标上均优于最强基线：透明度提升 20.0%，细粒度交互提升 29.2%，实时干预提升 18.5%，协作便捷性提升 27.7%，产出价值提升 8.8%，可中断性提升 20.7%。在具有挑战性的研究问题上，深度研究系统实现了 31.8% 至 50.0% 的改进。
引用
@article{arxiv.2507.15759,
title = {Interaction as Intelligence: Deep Research With Human-AI Partnership},
author = {Lyumanshan Ye and Xiaojie Cai and Xinkai Wang and Junfei Wang and Xiangkun Hu and Jiadi Su and Yang Nan and Sihan Wang and Bohan Zhang and Xiaoze Fan and Jinbin Luo and Yuxiang Zheng and Tianze Xu and Dayuan Fu and Yunze Wu and Pengrui Lu and Zengzhi Wang and Yiwei Qin and Zhen Huang and Yan Ma and Zhulin Hu and Haoyang Zou and Tiantian Mi and Yixin Ye and Ethan Chern and Pengfei Liu},
journal= {arXiv preprint arXiv:2507.15759},
year = {2025}
}
备注
30 pages, 10 figures