# Anthropic 新研究：Claude 内部有情绪概念，能驱动模型行为

> 原标题：New Anthropic research: Emotion concepts and their function in a large language model.

- 来源：X · @AnthropicAI
- 发布时间：2026-04-02T16:59:42.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3828
- 原文：https://x.com/AnthropicAI/status/2039749628737019925

## 摘要

Anthropic 发了一条推文说他们在 Claude 里找到了情绪概念的内部表征，这些表征能影响模型的行为，有时还会出现让人意外的效果。推文没展开讲具体是怎么找到的、在模型的哪一层、用了什么干预手段，也没给任何量化数据。我会先打个折——这更像是一个研究方向预告，而不是一份可复现的结论。

## 推荐理由

Anthropic 称在 Claude 内部找到情绪概念的表征，并发现这些表征能影响模型行为，为理解大模型行为来源提供了一条内部机制线索。

## 锐评

一条推文说在 Claude 内部找到了情绪表征，方法、层数、干预效果一个数都没有，这种发布我按零信息处理。真要做对齐，得能稳定定位并拨动某个概念，看行为变化多大，现在连在哪一层都没说，可复现性无从谈起。

"情绪"这个词选得挺聪明，拟人化的钩子最容易传播，从业者该警惕的正是这种叙事，它把内部表示和人类情绪混成一件事。
