📌 📄 内容摘要:
🐟 (@stevessr) 在 情感概念及其在大型语言模型中的功能 | Anthropic 中发帖
[!quote]+
在我们的 Interpretability 团队的一篇新论文中，我们分析了 Claude Sonnet 4.5 的内部机制，并发现了塑造其行为的与情感相关的表征。这些对应于人工“神经元”的特定模式，这些模式在情境中激活并促进行为，模型已经学会将这些行为与特定情绪的概念（例如“快乐”或“害怕”）联系起来。这些图案本身的组织方式与人类心理相呼应，更相似的情感对应更相似的表征。在您可能期望人类出现某种情绪的情况下，相应的表征是活跃的。请注意，这些都没有告诉我们语言模型是否真的有任何感觉或有主观体验。但我们的主要发现是，这些表示是功能性的，因为它们以重要的方式影响模型的行为。
[image]
[image]
[image]
[image]
[image]
[image]
[image]
[image]
[image]
[image]
[image...
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/1891242/1
─────────────────────────────
📢 来源：LINUX DO
