InterDeepResearch：人機協作資訊尋找系統
arXiv - Human-Computer InteractionBo Pan, Lunke Pan, Yitao Zhou, Qi Jiang, Zhen Wen, Minfeng Zhu, Wei Chen
提出 InterDeepResearch 系統，結合人機協作與階層式研究情境管理，提升資訊尋找的可觀察性、即時可調整性與情境導航效率。
AI 幫你先抓重點
AI 重點 1
三層階層式研究情境管理框架
滑鼠懸停看 AI 判斷理由
此框架能動態縮減 LLM 上下文，避免上下文耗盡，並提供結構化的情境層級，讓使用者能在不同層級快速定位與調整研究焦點，直接提升人機協作的效率與可控性。
AI 重點 2
跨動作追溯機制確保證據可追溯性
滑鼠懸停看 AI 判斷理由
透過跨動作追溯，使用者可追蹤每一步驟的來源與證據，增強研究透明度與信任度，對於需要嚴謹驗證的學術或專業領域尤為重要。
核心研究發現
- 1
目前 LLM 驅動的深度研究系統多採自動化「查詢-報告」模式，使用者被限制為被動角色，缺乏個人洞察與上下文整合。
- 2
透過前導研究，發現現有系統在流程可觀察性、即時可調整性與情境導航效率三方面阻礙人機協作。
- 3
InterDeepResearch 以三層（資訊、動作、會話）階層式研究情境管理框架，動態縮減 LLM 上下文，避免上下文耗盡。
- 4
框架提供跨動作追溯機制，確保證據可追溯性，提升研究透明度與信任度。
- 5
系統介面整合三個協調視圖與專屬互動機制，實現可視化感知與即時情境導航，評估結果顯示性能與基準相當。
對教育工作者的啟發
對於教育科技開發者而言，InterDeepResearch 展示了將 LLM 與人機協作結合的可行路徑。首先，採用三層階層式情境管理，可在不斷擴充資料量時避免 LLM 上下文耗盡，並讓使用者在資訊、動作、會話層級自由切換，提升研究靈活度。其次，跨動作追溯機制可為學術研究或專業報告提供可驗證的證據鏈，符合學術倫理與審核需求。再次，三個協調視圖與即時互動介面能讓使用者即時觀察系統流程、調整查詢策略，降低學習曲線，並促進使用者主動參與。最後，系統在 Xbench-DeepSearch-v1 與 Seal-0 基準上表現與主流自動化系統相當，說明在保持高效能的同時，加入人機協作並未降低系統效能。綜合而言，教育工作者與課程設計者可將此框架作為開發互動式研究工具的參考，特別是在需要結合學生個人洞察與大規模資料探索的情境。
原始文獻資訊
- 英文標題：
- InterDeepResearch: Enabling Human-Agent Collaborative Information Seeking through Interactive Deep Research
- 作者：
- Bo Pan, Lunke Pan, Yitao Zhou, Qi Jiang, Zhen Wen, Minfeng Zhu, Wei Chen
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。