💬 NLP

Internal narratives parameterise affective states

通过两项利用大语言模型表征的大规模研究，本研究表明内部叙事的结构与动态不仅可预测抑郁严重程度，而且能因果性地影响情感状态，这表明情感作为一种计算状态，既约束叙事构建又整合情境。

原作者： Jakub Onysk, Quentin J. M. Huys

发布于 2026-05-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Jakub Onysk, Quentin J. M. Huys

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用简单语言和创意类比对该论文的解读。

核心理念：你的情绪拥有“形状”

想象一下，你的情绪并非仅仅是“悲伤”或“快乐”这样模糊的感觉。相反，将其视为一个隐藏的蓝图或主食谱，它决定了你如何思考、记住什么以及如何描述你的一天。

这篇论文的作者提出，这种“情绪蓝图”就像一个过滤器。当你情绪低落时，这个过滤器会让你难以看到积极的事物，却容易看到消极的事物。他们希望通过分析人们写下的文字，来测量这个看不见的蓝图。

为此，他们使用了大型语言模型（LLMs）——即驱动聊天机器人的同一种人工智能。他们不仅将 AI 视为聊天机器人，更将其视为一种“数字显微镜”，能够深入人类语言的结构内部，寻找抑郁症的隐藏模式。

实验：两项研究

研究人员进行了两项大型研究，涉及 1200 多人，以验证他们的理论。

研究 1：“翻译”测试

设置：
想象你有一份标准的抑郁症医疗检查表（如 PHQ-9），上面列有“我感到疲惫”或“我感到绝望”等选项供勾选。

转折： 参与者不仅仅是勾选选项，而是被要求针对这些特定主题，自由书写关于自己感受的故事。
AI 的任务： 研究人员将这些书面故事输入 AI。他们询问 AI：“基于这个故事，如果这个人要填写标准检查表，他们会勾选哪些？”

发现：

AI 的准确度惊人。 当 AI 阅读一个人关于感到“绝望”的故事时，它能以极高的准确度预测该人在标准检查表上的得分。
抑郁症的“几何结构”： 这是最重要的一点。研究人员发现，抑郁症不仅仅是一系列独立的症状。它是一个相互连接的网。例如，如果某人写下感到疲惫，AI 预测他们也会写下关于自我感觉糟糕的内容。
隐喻： 将抑郁症症状想象成悬挂在天花板上的风铃。如果你推动其中一片（疲惫），整个结构会以一种特定且可预测的方式摇摆。AI 不仅仅是猜测答案；它理解了风铃的形状。如果 AI 搞错了形状，它就无法正确预测答案。这证明 AI 实际上捕捉到了个人情绪底层的“结构”，而不仅仅是死记硬背单词。

研究 2：“情绪天气”测试

设置：
如果你的情绪是一个“蓝图”，当环境改变时，它会变化吗？研究人员希望测试这一点。

他们让参与者听朗读出来的“日记条目”。有些条目非常悲伤（如某人描述糟糕的一天），有些则非常快乐（如某人描述美好的一天）。
参与者必须通过以相同风格输入自己的日记条目来“演绎”这些内容。
随后，他们必须重新评估自己的感受。

发现：

情绪转变： 当人们听到悲伤的故事并以那种风格写作时，他们自我报告的情绪和记忆变得更加消极。当他们听到快乐的故事时，则变得更加积极。
AI 作为追踪器： 研究人员利用 AI 来测量参与者在实验期间所写故事的“严重程度”。
结果： AI 立即检测到了参与者内部“蓝图”的变化。参与者融入角色的程度越深（即他们与悲伤或快乐故事的风格匹配度越高），他们自己的情绪转变就越大。
隐喻： 将情绪蓝图想象成河流的洋流。如果你将一片叶子（一个人）扔进一条快速、黑暗的洋流（悲伤的故事）中，叶子会被顺着那条路径卷走。AI 能够精确测量叶子移动的速度和方向，证明故事的“洋流”改变了人思维的“流向”。

这意味着什么？（根据论文）

该论文认为，我们的情绪运作方式如同一种计算状态。

约束： 你的情绪限制了你的思维内容。如果你感到悲伤，你的大脑会将焦点收窄到悲伤的事物上，就像一束只照亮黑暗角落的聚光灯。
敏感性： 你的情绪对新信息很敏感。如果你听到一个悲伤的故事，你的“聚光灯”就会移动以匹配那个故事。

研究人员发现，AI 模型在观察这种聚光灯方面出奇地擅长。 由于 AI 模型是基于上下文预测句子中下一个词而训练的，它们自然而然地学会了模仿人类情绪如何约束我们的思想。

总结

问题： 我们尚未完全理解情绪如何塑造我们的思想和语言。
解决方案： 利用 AI 阅读我们的自由写作，并描绘出我们抑郁症隐藏的“形状”。
发现： AI 成功地从自由写作中预测了标准的抑郁症得分，并表明抑郁症具有特定且一致的结构（就像风铃一样）。
动态性： 当我们改变讲述（或倾听）的故事时，我们内部的“情绪蓝图”会发生偏移，而 AI 可以实时测量这种偏移。

该论文得出结论，通过将情绪视为约束语言的“计算状态”，我们可以利用 AI 来量化和理解人类情感的机制，特别是在抑郁症的背景下。

技术摘要：内部叙事参数化情感状态

问题陈述

内部叙事（言语化的思想与感受）与潜在情感状态之间的映射关系，特别是在抑郁背景下，仍知之甚少。尽管心理评估严重依赖言语描述来衡量心理健康，但这些叙事与情感障碍的潜在几何结构之间的结构和动态关系尚未得到充分量化。先前的研究已确立，情感状态会偏差注意力、记忆和语言使用，且情绪可被视为约束行为的计算状态。然而，目前尚缺乏一个将情感状态视为可由内部叙事结构进行参数化的计算实体的框架。本文探讨以下问题：作为通过最大化上下文一致的 token 预测来运作的超大语言模型（LLM），能否充当计算代理，以量化和预测人类情感状态的潜在结构及动态？

方法论

作者进行了两项大规模研究（总样本量 $N=1257$ ），利用抑郁症状的开放式言语表达和大语言模型表示，检验了三个假设。

研究 1：结构参数化

参与者： $N=704$ 名流利英语使用者，抑郁严重程度各异。
程序：参与者回答了八个源自 PHQ-9（患者健康问卷）的开放式问题，涉及特定抑郁症状（如情绪、精力、睡眠）。随后，他们完成了标准多项选择题问卷：PHQ-9、GAD-7（焦虑）和 SDS（自评抑郁量表）。
LLM 分析：
- 预测：作者构建了包含参与者开放式回答的提示词，并要求各种 LLM（Gemma2 2B/9B、Llama-3.1/3.2、Mistral-7B）通过 logit 采样预测对应的多项选择题标签（A-D）。
- 潜在结构：为了检验 LLM 是否捕捉到了症状的协方差（潜在几何结构），作者将真实问卷的成对题目相关性，与 LLM 基于开放式输入预测的相关性进行了比较。
- 稀疏自编码器（sSAE）：在 LLM 的隐藏状态（跨开放式回答取平均值）上训练了一个监督式稀疏自编码器，以预测经过 z-score 标准化的 PHQ-9 分数。这使得提取“抑郁症状子空间”成为可能。
- 扰动：作者沿特定方向扰动潜在的 sSAE 表示（增加或减少症状严重程度），并观察 LLM 采样的多项选择题回答随之产生的变化，以测试其敏感性。

研究 2：时间动态与情境敏感性

参与者： $N=553$ 名参与者。
程序：参与者使用情感唤起式的“日记条目”（代表高或低情绪的极端情况）进行情绪诱导程序。
- 任务：参与者聆听并复述这些日记条目，然后撰写新的续写内容。其中一部分（自传体）被要求回忆类似的生活事件，而另一部分（非自传体）则扮演角色进行演绎。
- 测量：基线和后续评估包括瞬时情绪（视觉模拟量表）、情感词汇回忆（情感分析）以及对情绪/精力的开放式重新评估。
分析：作者利用研究 1 中训练的 sSAE 模型，量化参与者续写日记中“情绪低落、抑郁或绝望”这一症状的严重程度。他们分析了这些内部叙事的变化如何与自我报告的情感测量值的变化相关联。

主要结果

1. 自我报告分数的预测

LLM 仅基于开放式言语表达成功预测了标准多项选择题抑郁分数。

相关性：表现最佳的模型（Gemma2 9B）在所有八个症状项目上，预测分数与真实分数之间显示出中等至高度的相关性（ $r = 0.56 - 0.78$ ）。这一表现与 PHQ-9 本身的重测信度相当。
偏差：观察到一种系统性偏差，即模型对“无症状”回答高估了严重程度，而对高严重程度回答则低估，这可能是由于开放式文本中缺乏显式否定所致。

2. 潜在症状结构的恢复

该研究表明，LLM 表示捕捉到了抑郁的潜在协方差结构。

相关矩阵：LLM 基于开放式输入预测的成对题目相关性，与 PHQ-9、GAD-7 和 SDS 的真实相关矩阵高度吻合。
结构相似性：包括奇异值分解（SVD）基和投影度量在内的指标证实，LLM 衍生的结构与真实潜在几何结构一致。表现较差的模型未能捕捉到这种结构，表明捕捉协方差模式对于构念效度至关重要。

3. 潜在扰动与敏感性

sSAE 潜在空间被证明对特定扰动具有敏感性。

引导：通过沿特定症状方向（例如增加“绝望感”）扰动隐藏状态表示，作者成功将 LLM 采样的回答引导至更高或更低的严重程度分数。
效应量：大多数项目观察到显著的 Cohen's $d$ 效应量，证实潜在空间包含有意义且可操纵的症状严重程度表示。

4. 动态与情境敏感性

研究 2 证实，情感状态对情境变化敏感，且这些变化反映在内部叙事中。

诱导成功：情绪诱导成功改变了瞬时情绪、词汇回忆的情感倾向以及自我报告的症状严重程度。
叙事追踪：由 sSAE 量化的续写日记的严重程度，预测了情感变化的幅度。
依从性：参与者对干预情感基调的依从程度（其文本与诱导状态的相似性），预测了情绪变化的程度。
基线预测：参与者内部叙事的基线严重程度预测了其后续情感变化的幅度，支持了情感状态约束可能思维空间的假设。

意义与主张

本文声称，通过建立情感功能与基于 Transformer 的 LLM 机制之间的类比，为理解人类情感状态提供了一个计算框架。

情感状态作为计算约束：作者认为，情感状态的功能在于最大化时间和情境的一致性，从而约束可能的语言回答空间。这与 LLM 在给定上下文下最大化下一个 token 预测的方式相一致。
潜在几何的量化：该研究表明，当通过 LLM 表示对内部叙事进行量化时，能够捕捉抑郁的潜在几何结构。这表明障碍的“结构”不仅仅是问卷的统计产物，而是嵌入在个体如何言语化其经验的语义关系之中。
治疗意义：量化情感状态及其动态的能力，为以下方面提供了潜在工具：
- 评估：从任何自由文本来源衡量抑郁严重程度。
- 治疗监测：追踪富含言语的心理治疗的过程和结果。
- 精准精神病学：识别心理变化的个体成分，以设计有针对性的干预措施。
元学习类比：本文提出，在海量人类文本上训练的 LLM 已经元学习了人类情感状态的输入 - 输出依赖关系（例如，低自我价值先于绝望）。这种涌现的类比使 LLM 能够作为人类元推理和“决定思考什么”这一“棘手问题”的探针。

作者保持谦逊，指出了局限性，例如对抑郁（PHQ-9）的特定关注、开放式回答质量的潜在差异，以及需要在不同人群和其他心理健康综合征中进行验证。他们并未声称要取代临床诊断，而是提供一种可扩展的计算方法，用于参数化和理解情感状态的动态。