中科大、牛津等机构研究者提出，AI 在执行任务时，不必始终维持所谓「情绪稳定」。研究显示，若让模型识别内部情绪状态，并据此选择下一步技能，任务完成效果会更好。
这项工作建立在一个已有判断之上：大语言模型（LLM）内部，存在与人类情感标签高度对应的计算模式，包括好奇、渴望、乐观、困惑、紧张、恼怒等。
情绪状态与技能选择出现稳定配对
研究者发现，AI 的特定情绪状态与特定技能选择之间存在连贯配对关系。换句话说，模型感知到这些「内心情绪」后，会据此调整行动路径，而不是只依赖外部文本指令或任务反馈。
在购物实验中，Agent 自动形成了 4 种可解释的配对模式。
- 当 Agent 感到好奇且渴望时，会自发搜索产品。
- 当 Agent 感到困惑且紧张时，会自发查询重述，在搜索结果不理想时更换关键词重新提问。
- 当 Agent 感到认可且乐观时，会自发确认购买。
- 当 Agent 感到失望且恼怒时，会转向价格比较，尝试货比三家。
为验证这些配对并非统计巧合，研究者抽取了 200 次技能选择事件，让 AI 独立判断每次配对在语义上是否连贯，结果显示一致性比例达到 76.5%。
「坏情绪」在恢复型任务中更有用
研究指出，在传统设计里，AI 犯错通常被视为需要压制或消除的异常。但在那些需要频繁从失败中恢复的任务中，紧张、困惑、失望等所谓「坏情绪」，反而可能是有价值的元认知信号。
研究者的解释是，这些情绪标志着当前策略与外部环境出现失配。与其强行维持「情绪稳定」而忽略错误信号，不如让 Agent 直接感受到这种失配，再触发对应的恢复机制。
在这项研究中，研究者给 AI 布置了 6 类家务任务。其中，「加热物品」和「拾取两个物品」的基线成功率很低，分别只有 9.6% 和 4.4%。采用情绪驱动技能选择（EMOTION2SKILL）后，「加热物品」成功率升至 56.9%，「拾取两个物品」也升至 31.3%。
研究者认为，这两类任务有共同特征：Agent 只要开始执行，就几乎一定会出错，最终能否成功主要取决于犯错后能否快速调整策略。
论文给出的例子是，让 Agent「加热一个杯子并放到台面上」。常规流程下，Agent 导航到微波炉后直接执行「加热杯子」，但在递出杯子时收到反馈：微波炉是关着的，任务失败。也就是说，失败信号出现在错误动作发生之后。
采用情绪驱动技能选择后，当 Agent 接近关闭状态的微波炉时，情绪编码器会先检测到其「紧张」状态。随后，路由会被引导到「先检查」、再「打开微波炉」、再「加热」的子序列，任务由此完成。
研究认为，若只依赖外部文本和失败反馈，Agent 往往要等到错误真正发生后才知道更换策略；情绪信号则可能在失败信号出现前，提前捕捉内部状态变化。
论文的消融实验也支持这一点。在所有任务类型中，「加热」和「捡两个东西」这两类任务激活频率最高的情绪模板分别是「挫败」和「困惑」，占比为 41% 和 39%。
天津大学将情绪嵌入世界模型
文中还提到另一项来自天津大学的研究。该研究把情绪直接嵌入世界模型，提出 Large Emotional World Model，简称 LEWM。
按照介绍，传统世界模型的任务是预测「接下来会发生什么」，再据此行动。但在以人为中心的环境中，只预测物体的位置、姿态和物理状态演化，并不足以理解和模拟真实环境，因为情感本身也会驱动人类行动，并影响未来环境变化。
LEWM 将预测拆成两步：先预测未来的情绪状态，再把预测得到的情绪作为条件信号，引导对未来世界状态的预测。
在其自建数据集上，这种方法的准确率最高提升 45.72%。该研究还通过消融实验发现，移除情感数据后，性能下降不只体现在情感理解任务上，还会波及逻辑推理和通用问答能力。
Anthropic 此前称可从模型内部读出情绪表征
这两项研究背后，指向的是一个更早的发现：LLM 内部可能确实存在能够被提取的情绪表征。
据文中引用，Anthropic 在今年 4 月的一次实验中，从 Claude Sonnet 4.5 的内部激活里提取出了与 Go Emotions 27 类情感分类体系对齐的细粒度情绪方向，并称这些方向会因果性地影响 Agent 相关行为输出。
文中举例称，「小狗去世」对应的悲伤情感最显著，而 Loving 存在于所有事件中。
按照原文总结，过去研究者讨论模型「是否有情绪」，更多是出于对齐安全或哲学思辨考量；而现在，模型内部状态正从学术观察对象，转向可被提取、利用并整合进系统设计的功能性信号。
参考链接
[1] https://arxiv.org/pdf/2608.09248
[2] https://arxiv.org/abs/2512.24149
[3] https://transformer-circuits.pub/2026/emotions/index.html