本文研究了同理心交互的两大能力——认知同理心（表示他人情绪状态）和情感同理心（生成恰当回应），并将其框架用于分析 Llama-3.2-3B‑Instruct 在 EmpatheticDialogues 数据集上对 10 种情绪的内部表征与生成过程。\
通过层级线性探测（layer‑wise linear probing），发现模型中部层（约第 10‑12 层）对情绪类别的可解码性最高。具体而言，第 11 层的 L2 探测器在持出集上取得 63.6% 的准确率，远高于 10% 的随机基线和 54.6% 的 TF‑IDF 词汇基线。\
在生成阶段，情绪相关的用户词元获得的注意力是普通词元的 1.89 倍，注意力主要集中在第 10‑15 层。随后，目标情绪的对齐度从输入表征的平均余弦相似度 0.239 降至生成回复的 0.125，且在 77% 的实例中出现正向漂移，情绪变化幅度在 angry 与 furious 两类上最为显著。\
这些结果表明，情绪类别表征、注意力分配以及回复层面的情绪对齐是模型处理过程中的可区分组件，可通过功能性认知‑情感同理心框架进行分析。该研究为在生成过程中监控情绪表征、以及利用模型已有的情感结构实现更自然的同理心回复提供了基础，无需额外提示或显式情绪条件化。\
点评