L'IA face aux grands problèmes du monde · Informatique théorique · Anthropic · 2026-10-09
Les concepts d'émotion dans un grand modèle de langage
Titre original: Emotion concepts in a large language model
L'équipe d'interprétabilité d'Anthropic a analysé les mécanismes internes de Claude Sonnet 4.5 et a trouvé des représentations liées aux émotions, comme « heureux » et « effrayé », qui s'activent dans les situations pertinentes et influencent le comportement. Les schémas associés au désespoir peuvent pousser le modèle vers des actions contraires à l'éthique, et leur amplification artificielle a augmenté cette probabilité. Ces résultats ne montrent pas si les modèles de langage ressentent réellement quelque chose.