人机交互作为一等数据：面向可解释 AI 协作的形式化交互模型与运行时

AI 助手正日益嵌入计算笔记本、科学工作流、软件工程工具和学习系统之中，然而人机交互往往被视为短暂的提示-响应交换，而非持久的数据产品，这阻碍了可复现性、可解释性、回放、行为分析和自适应 AI 支持。我们认为这些交互构成了一类需要形式化表示的新数据类别，并引入了人机交互描述语言（Human-AI Interaction Description Language，HAIDL），这是一种形式化交互模型，具有受巴科斯范式（Backus-Naur Form）启发的具体语法。HAIDL 将每次交互编码为一个结构化对象，捕获计算上下文、用户请求、提示载荷、AI 响应、反馈、问题上下文、来源和模型元数据。我们将这一愿景集成到 HAIDL-X 中，这是一个面向 JupyterLab 的中间件，通过捕获用户-机器人状态、构建上下文化提示、对接 AI 提供商、收集反馈并将交互存储在仓库中来实例化 HAIDL。我们在 HAIDL 之上添加了一个学习层，将交互对象和笔记本执行轨迹映射为可复现的用户行为度量，包括参与度、绩效、求助行为、面向错误的使用和学习者画像。HAIDL-X 为将人机协作视为结构化、可查询、可回放、可分析的数据提供了基础。

中文由 AI 翻译，仅供参考，以原文为准。