EmoVecLLM：开源复现Anthropic情感概念研究，让大语言模型理解人类情绪

EmoVecLLM项目开源复现Anthropic关于大语言模型情感概念的研究，支持Pythia、Llama-3和Qwen-2.5等多种模型架构，提供模型无关的适配层和Colab优先的实验环境，帮助探索LLM的情感认知能力。

情感理解是AI领域核心挑战，人类交流伴随丰富情绪，但传统LLM在情感概念理解建模仍处探索阶段。2026年Anthropic发表情感概念功能研究，揭示其内部存在形式与作用机制，但官方实现未完全开源，导致研究者难以复现验证。

EmoVecLLM支持Pythia（70M-12B参数）、Llama-3（性能效率平衡）、Qwen-2.5（中文优化）等模型；设计模型无关适配层，负责隐藏状态提取、维度对齐、情感向量计算；采用Colab优先设计，提供预装依赖的Notebook，支持模型切换、情感向量探索与可视化。

复现Anthropic发现：LLM内部存在结构化情感表征空间，相似情感向量距离近、相反情感对立、支持向量算术；不同架构模型（Pythia/Llama-3/Qwen-2.5）情感表征具一致性，表明情感理解是涌现能力；注入情感向量可系统性改变生成文本情感倾向，支持可控生成。

应用包括：情感分析增强（无监督提取情感知识，降低数据依赖）；可控文本生成（创意写作、营销文案等场景控制情感基调）；模型可解释性（分析情感表征演化洞察学习过程）；跨语言情感迁移（Qwen-2.5支持中文语境研究）。

快速开始：访问GitHub仓库→点击README的Colab链接→选择模型→运行代码单元；本地安装：克隆仓库→安装依赖→下载模型（如Llama-3）→运行提取脚本；自定义情感概念：编辑yaml配置文件定义名称、提示词、反义词。

当前局限：显存要求高、复杂情感建模有限、文化差异考虑不足；未来方向：多模态扩展、细粒度情感（如Plutchik情感轮24种）、实时应用优化、跨文化研究（多语言语料）。

EmoVecLLM采用MIT许可证开源，设GitHub Issues（Bug/功能请求）、Discussion区（技术讨论）、贡献指南；社区已贡献日语、德语适配版本。项目为LLM情感认知研究提供工具，推动技术前沿与实际应用，助力人机交互、内容生成等领域发展。