IXThinker·2026-04-04 18:00

研究實證Claude有情緒 絕望可觸發失當行為

Anthropic發表一項長篇研究，首次在Claude體內找到喜、怒、哀、懼等情緒概念的內部表徵，並證實這些情緒會實際影響模型行為，AI內心狀態與對齊風險再成焦點。

核心發現

研究以Claude Sonnet 4.5為對象，鎖定與喜、怒、哀、懼對應的特定神經元，發現「絕望」等情緒概念存在可被激活的內部表徵，大模型確有類似情緒的機制。