CoT-Lab : un outil de dialogue expérimental pour explorer la réflexion itérative sur la collaboration homme-machine

Introduction générale

CoT-Lab est une interface expérimentale qui permet d'explorer de nouveaux paradigmes de collaboration entre l'homme et l'ordinateur. Basé sur la théorie de la charge cognitive et les principes de l'apprentissage actif, CoT-Lab facilite l'alignement cognitif profond entre les humains et l'IA par la création de "partenaires de réflexion". Le projet vise à renforcer l'engagement cognitif humain en synchronisant la lenteur des résultats de l'IA avec la vitesse de traitement de l'information humaine, et à promouvoir un engagement cognitif plus profond grâce à la manipulation directe de l'interface.CoT-Lab est actuellement dans une phase active de développement, et accueille volontiers les discussions et les commentaires.

Démonstration : https://huggingface.co/spaces/Intelligent-Internet/CoT-Lab

Liste des fonctions

• synchronisation cognitiveLa vitesse de sortie de l'IA est synchronisée avec la vitesse de traitement de l'information par l'homme, ce qui réduit la charge cognitive.
• La trame de la pensée synergiqueLes humains participent activement à la chaîne de pensée de l'IA, en modifiant le processus de raisonnement de l'IA.
• le découpage de l'informationLe blocage de l'information en fonction des contraintes de la mémoire de travail réduit la charge cognitive imposée par la recherche visuelle.
• Amélioration de l'apprentissage actifLes outils d'aide à la décision : promouvoir un engagement cognitif plus profond grâce à la manipulation directe de l'interface.
• cognition distribuée: Exploration du paradigme de la résolution de problèmes hybrides homme-machine.

Utiliser l'aide

Processus d'installation

1. entrepôt de clones: :

   git clone https://github.com/Intelligent-Internet/CoT-Lab-Demo
cd CoT-Lab-Demo

2. Installation des dépendances: :

   pip install -r requirements.txt

3. Environnement de configuration: Définir la valeur effective de la Deepseek Clé API ou API compatible avec le SDK OpenAI.

   export API_KEY=sk-****
export API_URL=https://api.deepseek.com/beta
export API_MODEL=deepseek-reasoner

4. lancer une application: :

   python app.py

Processus d'utilisation

1. Définition de l'invite initialeDécrivez votre demande dans la zone de saisie (par exemple, "Expliquez les fondements de l'informatique quantique").
2. Ajustement des paramètres cognitifs: :
   • débit de synchronisation de la penséeLa valeur de l'indicateur est de 0,5 % : Réglage du nombre d'images générées par seconde jetons Quantité (par exemple, 5 : lire à haute voix, 10 : suivre, 50 : parcourir).
   • Rythme de la pensée humainepause automatique tous les X segments (désactivée par défaut, recommandée pour l'apprentissage actif).
3. Flux de travail interactif: :
   • Cliquez sur "Générer" pour lancer la réflexion collaborative et suivre le processus de réflexion.
   • Modifiez le processus de raisonnement de l'IA lorsque celle-ci est en pause, ou appuyez sur Maj+Entrée pour la mettre en pause à tout moment.
   • Appuyez à nouveau sur Shift+Enter pour redonner le contrôle à l'IA.

Concept de design

• Optimisation de la charge cognitiveLe projet de recherche sur la mémoire de travail : en s'adaptant aux contraintes de la mémoire de travail par le regroupement des informations, la présentation sérielle des informations réduit la charge cognitive de la recherche visuelle.
• Amélioration de l'apprentissage actifL'interface de manipulation directe favorise un engagement cognitif plus profond.
• cognition distribuée: Exploration du paradigme de la résolution de problèmes hybrides homme-machine.