Anthropic 论文：Claude 内部存在功能性情绪表征

Anthropic 可解释性团队发布论文，分析 Claude Sonnet 4.5 内部机制，发现模型存在与“开心”“害怕”等情绪相关的功能性表征。这些表征由特定人工神经元激活模式构成，会影响模型行为，且越相似的情绪在内部表征上越接近。论文同时指出，这并不能证明语言模型真正拥有感觉或主观体验。