稀疏自编码器揭示LLM情感推理因果机制

由Bangzhao Shu、Arinjay Singh和Mai ElSherief组成的研究团队，于2026年10月24日在arXiv（cs.CL）发布了论文《Why Are Some Emotions Harder for LLMs? Uncovering the Causal Mechanisms of Emotion Inference via Sparse Autoencoders》。该研究利用稀疏自编码器深入剖析了大语言模型在情感识别中的表现，重点揭示了导致情感推断困难的底层因果机制。 研究发现，模型对部分情感的识别高度依赖高集中度的特征。具体而言，惊讶和恐惧情绪的判定紧密关联于特定的高集中度特征，而厌恶性状的特征分布则相对分散，且容易受到愤怒特征的压制，导致识别困难。这解释了不同情感在模型中易学性差异的内在原因。 为验证结论，研究人员执行了两项干预实验。他们通过定向调节弱势因果特征，以及使用全局优化转向向量，成功缓解了特定情感的识别失败。这一方法不仅针对性地解决了弱情感识别的问题，还有效提升了模型整体情感识别的性能。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。