大型语言模型驱动的自主代理研究显示出提升人类生产力的潜力，但在效率和可靠性方面仍存在挑战。研究人员提出了“通过互动学习”框架，自动合成高质量数据，显著提升模型性能，减少对人工注释的依赖，为开发更可靠的自适应代理提供了新思路。
本研究提出INTERACT方法，通过学生与教师的对话实现互动式问题驱动学习，显著提升大语言模型性能，最高可提高25%。
本研究提出了InterACT方法，解决了双手操作中缺乏交互依赖的问题。实验结果显示InterACT在多种任务中优于现有方法，展示了其有效性和潜在影响。
完成下面两步后，将自动完成登录并继续当前操作。
