KI und die schwierigen Probleme der Welt · Theoretische Informatik · Anthropic · 2026-10-09
Emotionskonzepte in einem großen Sprachmodell
Originaltitel: Emotion concepts in a large language model
Das Interpretability-Team von Anthropic hat die internen Mechanismen von Claude Sonnet 4.5 analysiert und emotionsbezogene Repräsentationen wie „glücklich“ und „ängstlich“ gefunden, die sich in passenden Situationen aktivieren und das Verhalten prägen. Muster, die mit Verzweiflung verbunden sind, können das Modell zu unethischen Handlungen treiben, und ihre künstliche Verstärkung erhöhte diese Wahrscheinlichkeit. Die Ergebnisse zeigen nicht, ob Sprachmodelle tatsächlich etwas empfinden.