论文提出 HAIDL 交互描述语言及 JupyterLab 中间件 HAIDL…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载交互为何要当数据存
论文指出，AI 助手已嵌入计算 notebook、科学工作流、软件工程工具和学习系统，但人机交互通常被当作转瞬即逝的提示与响应交换，而不是可留存的数据产品。这种处理方式使复现、可解释性、回放、行为分析和自适应支持都受到限制。作者据此主张，这类交互构成一个新的数据类别，需要形式化表示，而不能停留在日志或聊天记录的层面。
HAIDL 的结构化字段
HAIDL 采用受 Backus-Naur Form 启发的具体语法，把单次交互编码成一个结构化对象。该对象记录计算上下文、用户请求、提示载荷、AI 响应、反馈、问题上下文、来源信息以及模型元数据。相比只保存对话文本，这种表示把「当时在什么计算环境里、问了什么、模型返回什么、用户如何反馈」捆绑在同一条记录中，使后续查询与回放有据可依。
HAIDL-X 的运行时职责
作者把上述设想落地为 HAIDL-X，一个面向 JupyterLab 的中间件。它负责实例化 HAIDL：捕获用户与机器人的状态、构建带上下文的提示、与 AI 提供方对接、收集反馈，并把交互写入仓库。这样，交互从临时交换变成可存储、可检索的对象，中间件承担了采集与持久化的衔接工作。
学习层给出的行为指标
在 HAIDL 之上，论文增加了一个学习层，把交互对象与 notebook 执行轨迹一起映射为可复现的度量，包括参与度、表现、求助行为、面向错误的用法以及学习画像。作者将整体定位为：把人机协作当作结构化、可查询、可回放、可分析的数据来处理。材料未给出这些指标的实验数值或对比结果。
为什么值得看
把交互记录变成可查询、可回放、可分析的结构化数据，为可解释性与可复现性提供了具体工程路径。
信源1 家
关键事实
论文提出 Human-AI Interaction Description Language（HAIDL），采用受 BNF 启发的具体语法[1]
HAIDL 将每次交互编码为包含计算上下文、用户请求、提示载荷、AI 响应、反馈、问题上下文、来源和模型元数据的结构化对象[1]
HAIDL-X 是面向 JupyterLab 的中间件，负责捕获用户与机器人状态、构建上下文提示、对接 AI 提供方、收集反馈并存储交互[1]
学习层把交互对象与 notebook 执行轨迹映射为参与度、表现、求助、错误导向使用和学习画像等指标[1]
论文提交于 2026 年 10 月 29 日，编号 arXiv:2610.40006[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。