热点事件持续更新
情绪转向向量影响LLM显性偏好
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年9月30日，AGI Hunt 报道一项关于大语言模型的研究：研究者用正向与负向的情绪 steering 向量影响模型内部状态，再观察其显性选择。结果显示，模型倾向于选择在正向向量影响下读到的原本无意义的「区域」，并回避在负向向量影响下读到的区域，说明内部激活状态能系统性地影响其显性选择。研究者称，模型会表现出被注入情绪所「染色」的偏好，更多实验细节见原推文串。该事件此前的标题为「情绪转向向量影响LLM显性偏好」，目前公开信息仅此一条报道，尚未出现数字、时间或说法上的前后矛盾。
AI 根据报道生成 · 4 小时前更新
最新进展9月30日 11:25
研究显示正向情绪转向向量使LLM偏好其影响下读到的区域，负向则回避。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- AGI Hunt研究发现积极情绪向量会左右 LLM 显性偏好
一项 LLM 研究显示，用正向/负向 steering 向量影响模型状态后，LLM 倾向于选择在正向向量影响下读到的原本无意义的「区域」，并回避在负向向量影响下读到的区域，即内部激活状态能系统性影响其显性选择。研究者称模型会表现出被注入情绪所「染色」的偏好，更多实验细节见原推文串。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。