研究者用颜文字量化 Qwen3-8B 情绪状态

有研究者设计实验,把「I'm feeling」预填进 Qwen3-8B 的回复开头,让模型用颜文字表达心情,再按情绪效价为颜文字打分。结果发现被夸或代码跑通时模型「快乐值」更高。验证数据显示:模型对自己会话的评分与下一个颜文字的秩相关为 0.52;直接读取第 18 层激活沿效价方向的投影,相关性升至 0.68;进一步训练后可达 0.79,表明该探针能有效反映模型内部情绪状态。

2026-11-21 ~ 2026-11-21 · 3 条相关