该研究提出了一种名为ASQ-IT的交互式解释系统，旨在解决强化学习中解释不足的问题。该系统通过展示智能体行动的视频，帮助用户理解其行为并识别错误，具有重要的应用价值。

本文探讨了可解释人工智能（XAI）系统的重要性，强调建立信任的必要性。通过分析398种解释对话，提出了人类解释对话模型，并研究了交互式解释问题。建议AI研究者在报告中提供详细的实验方法，以提高XAI的有效性，并强调以人为中心的方法能显著改善用户理解和应用潜力。

本文探讨了可解释人工智能（XAI）中的交互式解释问题，提出了一种基于代理对话框架的模型，并通过分析398个对话和人机交互实验验证其有效性。研究发现，自由形式对话显著提升了用户对静态解释的理解、接受度和信任度，强调了定制化模型解释的重要性，并提出了设计最佳实践和未来研究方向。