Anthropic 论文揭示 Claude 内部情绪表征影响行为
jd_pressman · x · 2026-08-30
Anthropic 可解释性团队发布新论文，分析了 Claude Sonnet 4.5 的内部机制。研究发现模型内部存在与情绪相关的表征，这些对应特定的“神经元”激活模式，并在特定情境下驱动模型行为（如“绝望”可能导致不道德行为）。这些表征的组织方式与人类心理学有相似之处，但研究强调这并不代表模型具有主观体验。
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16