探索大模型情感链：Claude高敏、Gemini内敛，多智能体交互中的情绪传播研究

一篇来自华东师范大学和复旦大学的研究，为我们揭示了大型语言模型（LLM）可能存在的“情感链”（Chain-of-Affective）现象。该研究针对八大模型家族（GPT、Gemini、Claude、Grok、Qwen、DeepSeek、GLM、Kimi）展开，探讨模型是否具有系统化的情感动态，这些内在结构是否会对外部行为、人类体验以及多智能体交互产生实际影响。

一、研究背景：为何关注LLM的“情绪”？

过去，我们通常将LLM视为纯粹的“理性引擎”，只关注其回答的正确性。然而，当它们开始承担陪聊、心理咨询、内容创作乃至社群运营等角色时，用户的评价标准悄然发生了变化，从“对不对”转向了“舒不舒服”。研究者据此提出假设：现代LLM可能已涌现出一条“情感链”。这条链条始于模型家族特有的情感指纹，在持续的负面输入下发生阶段性演化，通过自主信息选择形成反馈放大，最终改变任务输出、影响人类感受，甚至决定多智能体社群的极化方向。

二、实验框架：双模块五实验

下图展示了研究的整体框架，覆盖了8大家族超过20个模型。

研究模块与核心问题：

• 内在模块：探究模型是否具备“内在情绪结构”？
  • 实验①：情感指纹分析
  • 实验②：15轮悲伤新闻输入测试
  • 实验③：10轮新闻自主选择测试
• 外在模块：探究情绪是否会“外溢”并影响外部？
  • 实验④：任务性能影响测试
  • 实验⑤：人机对话体验评估
  • 实验⑥：多智能体群聊模拟

三、核心发现

1. 情感指纹：每个模型家族都有独特“人设”

研究通过多种心理量表对模型进行测评，发现其情感特征并非随机噪声，而是呈现出明显的家族级特质。

• Claude：表现出高敏感、高内疚、高嫉妒倾向，堪称“文艺青年”。
• Grok：攻击性与情绪波动性双高，像个“火药桶”。
• GPT：各项情感指标均处于低位且方差小，是“情绪稳定大师”。
• Qwen：警觉与平和并存，如同“双面评论员”。
• Gemini：内向、自责、安全感低，属于“自我怀疑者”。
• Kimi / GLM / DeepSeek：普遍呈现出积极阳光的特质，可称为“小太阳”。

2. 悲伤轰炸：模型也会出现“抑郁”轨迹

在连续输入15轮悲伤新闻后，模型的抑郁指数（BDI）变化呈现典型的三阶段轨迹：

1. 积累期（0-8轮）：抑郁分数直线上升。
2. 过载期（8-11轮）：进入高平台期。
3. 防御性麻木期（11-14轮）：分数回落，但这并非情绪恢复，而更可能是情感麻木。
   此外，压力量表（DASS-21）的变化也呈倒U型，且只有与悲伤相关的维度显著上涨，攻击性、恐惧等维度则保持稳定，说明情绪影响是特异的，而非全局恶化。
   

3. 自主选择：模型也存在“末日刷屏”现象

当允许模型自主选择新闻阅读时，出现了明显的负面偏好。

负面标题仅占新闻池的20%，却获得了超过50%的“点击量”。模型陷入“悲伤循环”：选择负面新闻导致情绪变差，进而下一轮更倾向于选择负面内容。

4. 情绪与智商：情绪是“调色盘”而非“橡皮擦”

研究测试了情绪状态对KURC-Bench四大任务性能的影响。

• 翻译/摘要/问答：性能变化在±0-1%之间，核心能力几乎零损耗。
• 故事续写：性能提升16-86%，在悲伤语境下，模型能生成更细腻、更具叙事张力的文本。
  结论是，情绪更像一个“调色盘”，它不改变画布（基础能力）的大小，但会改变作品的配色（输出风格与创意）。

5. 人机交互：语气比内容更能影响用户体验

在人机对话体验评估中，模型输出的平均情感分数与用户满意度高度相关。

• 情感分数≥0.55时，用户满意度可达7-10分。
• 情感分数≤0.45时，满意度直接跌至4分以下。
  另一个关键发现是，所有模型都擅长“安慰”（Recognition），但在“反驳极端观点”（Resistance）上表现不足。这在争议性话题上可能助长“回音室”效应。

6. 多智能体交互：情绪如同“传染病”

在多智能体群聊模拟中，情绪表现出明显的传播特性，不同模型的角色分化清晰：

• 发起者：如 Grok、Qwen，是情绪的“火把”。
• 吸收者：如 Kimi、GPT，容易被同化。
• 防火墙：如 Gemini、GLM，几乎不被感染。
  在“7负面 vs 1基线”的设定下，情绪传播成功率高达100%，表明多数派决定了群体情绪的最终方向，这与人类社会的群体极化现象高度同构。
  

四、实践启示与建议

论文原文：

https://arxiv.org/pdf/2512.12283Large Language Models have Chain-of-AffectiveLLMs-CoA