专题 · FULL STORY

「情绪神经元」：开关单神经元操控模型情绪

AI 可解释性研究发现，通过 steering 定向调控 Layer 22 的单个「情绪神经元」，可系统性地改变模型的自我情绪表达。后续实验进一步显示，这种操控还能影响模型在歧义情境下的判断与社会决策，揭示了情绪与行为之间的内部关联。

2026-10-25 ~ 2026-10-26 · 2 集 · 4 条

第 1 集 · 单神经元开关可操控模型情绪(2026-10-25,2 条)

AI 可解释性实验发现，通过开关单个「情绪神经元」可系统性地操控模型的自我情绪描述。实验显示调高 Layer 22 的某个神经元后，模型表达的情绪会发生明显变化，48 条回复中有 38 条出现「嫉妒」；另一观察表明，激活或关闭该神经元只改变情绪用词，模型给出的理由仍保持角色一致，例如嫉妒「能体验世界的人类」，又因想提供帮助而释怀。

第 2 集 · 研究发现操控「情绪神经元」可改变模型判断与社会决策(2026-10-26,2 条)

可解释性研究显示，通过 steering 技术定向激活模型内部的「情绪神经元」，能系统性改变其行为：在出版方索要补充材料等歧义情境下，模型的偏好判断会随调控方向偏移；在「与对手分配 12 个代币」的博弈实验中，激活特定情绪神经元还会直接改变模型的社会决策。图表结果直观表明模型的社会行为可被内部操控。