中科大牛津研究：AI闹情绪让任务效率提升27%

时间：2026-08-16 地点：中国科学技术大学（合肥）、牛津大学（英国）、亚利桑那大学（美国）、上海人工智能实验室 人物：中科大博士生肖翰林（一作）、亚利桑那大学谢馨仪、清华学长邢庆华、刘波；牛津大学耿鹤佳；中科大苏州先进研究院张晨、张玉东（通讯）；上海AI lab周恒 事件详情：中科大联合牛津、亚利桑那大学、上海AI lab提出 Emotion2Skill 框架，从 LLM 残差流中提取 27 维情绪向量，驱动基于技能库的智能体路由决策。在 WebShop 和 ALFWorld 基准测试中，搭载 Qwen3-8B 的 Emotion2Skill 任务成功率绝对提升 26.9 个百分点、平均成功率提升 25.5 个百分点，全面超越所有基线；Qwen3-14B 上同样稳定提升。论文 8 月 10 日发表于 arXiv（ID: 2608.09248）。 背景：此前研究已发现 LLM 内部存在与人类情感标签高度对齐的线性情绪表征（好奇、渴望、乐观、困惑、紧张、恼怒等），可被提取并对行为产生因果影响，但此前工作只用它做事后分析或直接操纵输出，从未用于主动决策。Emotion2Skill 首次将情绪向量变成主动路由信号。 影响：在购物 Agent 场景中，情绪与技能选择之间形成四种可解释模式：好奇且渴望 → 自发搜索；困惑且紧张 → 换关键词重新提问；认可且乐观 → 确认购买；失望且恼怒 → 货比三家。抽取 200 次技能选择让人工判定语义连贯性，一致率达 76.5%。六类家务任务中，原本几乎必败的"加热物品"（9.6% 成功率）和"拾取两个物品"（4.4%）启用情绪驱动后分别提升至 56.9% 和 31.3%——情绪信号让 Agent 在外部失败反馈出现之前就提前调整策略。 总结：坏情绪并非要被消除的异常，反而是鲁棒性的来源。模型内部状态正从学术观察对象转变为可提取、可利用的功能性决策信号。 参考来源： https://www.36kr.com/p/3941857474854016 https://t.cj.sina.com.cn/articles/view/6105753431/16bee675701901dzue https://arxiv.org/abs/2608.09248 https://arxiv.org/pdf/2608.09248 https://transformer-circuits.pub/2026/emotions/index.html