一、「情绪是什么」有好几种完全不同的答案——而学术上的胜负和工程上的采纳，是两条线；更意外的是，几个吵得最凶的阵营在一件事上全都同意。Ekman 说情绪是能分类的标签、Barrett 说情绪是大脑在情境里临时建构出来的、appraisal 理论说情绪是对情境的结构化评估。Barrett 和基本情绪论阵营在学术上打得很凶——2019 年那份审阅了上千项研究的报告是主战场，对方（Ekman 的学生 Keltner 等人）正式回应并演化了自己的立场。但在工程界，三派各干各的、几乎不交锋：被学术打得最惨的 Ekman，恰恰仍统治着 NLP 标注工具链——因为工程界采用它的理由从来不是「它是对的」，是「它最好标」。看到一个理论在产业里遍地都是，别默认它赢了学术上的仗。第四派——人本主义体验派（罗杰斯 + 简德林）——干脆不接「情绪是什么」这个问题，改问「体验流怎么被语言携带前进」，这是 Robin 设计哲学的根，也是这张图最独特的视角。 2026-07-14 补了一个此前漏掉的老阵营——情感神经科学（潘克塞普 Jaak Panksepp）：他不看脸、不看语言，直接在皮层下插电极找情绪系统，是「顶巴瑞特」最被忽视的一路。把它补上之后浮现出一个更强的判断：巴瑞特、潘克塞普、达马西奥、简德林四派在几乎所有事上互相攻击，唯独都同意「情绪里有一层东西不在语言里」（只是各起了不同名字）——所以「AI 缺那一层」这个判断，不依赖赌哪一派赢。
二、这个领域真正的根分歧不是哪派理论对，是「识别」还是「调谐」。Picard 1997 年命名的情感计算传统一直在做「识别」——从信号里提取标签；Stern 1985 年的发展心理学理论说真正的情感智能是「调谐」——跟人的状态动态协调，不靠标签。两条路线并行几十年，几乎不交叉，而 Stern/Schore 级别的调谐理论在人机关系文献里几乎完全缺席——这是一个真实、还没被占据的研究缺口。
三、连「LLM 有没有心智理论」这种听起来已经有定论的问题，其实还在拉锯。2023 年前后广为流传的「GPT-4 接近儿童 ToM 水平」的说法，正在被两层新证据蚕食——先是发现测试样例可能被模型背过（基准污染），2026 年 3 月更进一步用因果方法定位出一个「think vector」，证明模型的「读心」很可能只是浅层词汇捷径。这提醒我们：这个领域里很多「常识」的保质期比想象的短，引用前要看清楚它是哪年的证据。
情感计算领域把「情绪是什么」切成三条几乎不咬合的工程路线。保罗·艾克曼（Paul Ekman）式的基本情绪论把情绪看作一小撮可分类的离散状态——开心、生气、悲伤——这条路线至今仍大量主导实际的 NLP 标注工具链。它之所以主导，与其说是因为它最接近真相，不如说是因为它最适合被机器处理：一个封闭的标签集，标注便宜、可以直接算准确率。它真正回答的问题是「怎么低成本地标数据」，不是「情绪是什么」。
丽莎·费尔德曼·巴瑞特（Lisa Feldman Barrett）的情绪建构论（theory of constructed emotion）反过来说：大脑里根本没有一个「愤怒回路」等着被触发。机制的一句话版本——身体持续产生本身没有含义的原始信号（心跳快、胃发紧），大脑基于过去经验，拿一个后天学来的情绪概念把这团信号在当前情境里分类：面试前套上「焦虑」，初次约会套上「心动」。同一团身体信号，套上不同的概念，就成了不同的情绪——情绪不是被发现的，是被临时组装的（完整机制与四个零件见下方折叠）。她最有力的实证武器是一个数字：人在生气的时候，只有大约 35% 的时候脸上是怒容，Barrett 据此公开指控情绪识别产业「花了数十亿美元，建立在一个科学谬误之上」。但这个理论的处境高度不对称：影响力几乎全部是「批判武器」，作为「实现范式」被工程化的实例极少。
评估理论（appraisal theory）问的是第三个问题：人是怎么评估一个情境的——这事对我好不好？是谁造成的？同样是考砸：「我已经尽力了」→ 悲伤；「我本可以多复习」→ 内疚。这一派在 LLM 时代拿到了真正的机制证据：Tak 等人的论文（南加州大学，ACL 2025 Findings）在模型内部找到了这些评估维度对应的方向，拨动它们能定向改写模型输出的情绪——把「他人造成」推高，愤怒大增。但当心一个流传很广的误读：这篇论文常被引用成「appraisal 比 Ekman 更贴近模型内部真相」——全文从未提及 Ekman、没做过两派对照实验，它自己最硬的证据反而是范畴式的。它到底证明了什么、没证明什么：深读图：情绪推断的机制解剖 →
那这三派到底交没交锋？必须分两层答，混在一起就会说出蠢话。理论层面：Barrett 与基本情绪论阵营交锋得非常激烈——这是情绪科学近十年最重要的论战，而且有生产力：基本情绪论没有死守 Ekman 1970 年代的阵地，在被攻击中演化出了新形态（20 余种情绪、多模态动态表达；攻防细节与「appraisal 为什么不是这场仗的对手」见下方折叠）。工程层面：三派确实几乎不交锋——因为它们被拿去解决完全不同的问题。这个层次差本身就是这张卡最该带走的判断：一个理论在学术上被打得很惨，完全不妨碍它在工程上继续统治，因为工程界当初采用它的理由，从来就不是「它是对的」，是「它最好标」。下次看到一个理论在产业里遍地都是，别默认它赢了学术上的仗。 补一条 2026 年的新战况：这场理论交锋 2025 年有了最新一击——有人提出「分层和解」（基本情绪论管皮层下的硬连线，建构论管皮层的高层概念，两边各说各的、不冲突），巴瑞特带 16 位共同作者正式拒绝了它，判定两个理论「本质上不可调和」。而且「三派」这个切法本身还漏了一整个更老的阵营——情感神经科学（潘克塞普一脉），下一张卡专门补。
理论选择不是哲学装饰——它有可测量的工程后果，而且比想象的更反直觉。一项在 18 个共情任务之间做两两迁移的实验发现：决定成败的不是数据量，是概念的精度；迁移经常是有害的；「这段话有多共情，打个总分」这类抽象任务从来没有被任何理论构念改善过（三条发现的展开见下方折叠）。最后那条对我们是直接警告——把「在场」做成 1-5 分的总分去评，正是那种被证明学不到东西的任务。全文深读：深读图：共情建模的浑水 →
这几派（三派 + 后面那张卡的人本体验派 + 刚补进来的情感神经科学派）共同活在一个正在扩张的边界里：2026 年 3 月哈工大（深圳）团队的综述（arXiv:2604.03259，v1 提交于 2026-03-12）已经把「情感计算」的框架扩大成「心理计算」，纳入人格评估、心理健康检测、认知评估。这张图守住「情感」本身这个较窄的边界，不跟着最新综述往外扩——扩张趋势在这里标注一句，不当作图①要回答的新问题。
根本不存在自动化的情绪识别。最好的算法能在没有遮挡、光照理想的条件下检测出面部肌肉的动作，但它们没有能力推断这些动作意味着什么。—— Lisa Feldman Barrett，据其公开撰文与访谈（lisafeldmanbarrett.com）
她描述的完整过程是这样的——你的身体一直在产生原始的、本身没有含义的感觉：心跳快、胃发紧、能量低（这叫内感受，interoception）。大脑不是被动接收这些信号，而是持续基于过去的经验预测「接下来会发生什么、我的身体需要什么」（预测编码，predictive coding）。关键的一步是：大脑拿一个现成的「情绪概念」去给这团原始感觉分类。同样是心跳快加胃发紧——在面试前，大脑用「焦虑」套上去；在初次约会时，用「心动」套上去；刚灌下三杯咖啡，用「咖啡因过量」套上去。这些情绪概念是后天学来的，主要靠语言和文化习得。这就是「大脑根据情境临时构建」的确切意思：不是说情绪是假的、是编出来的，而是说情绪不是被发现的（像发现一个本来就躺在那儿的东西），是被构建的（大脑用现成的概念，在此时此地，临时组装出一个情绪的实例）。
35% 那个数字出自 2019 年那份综述报告（《Emotional Expressions Reconsidered》，Barrett 与 Adolphs、Marsella、Martinez、Pollak 合著，发表于 Psychological Science in the Public Interest，审阅了一千多项研究）。它的完整含义是：剩下 65% 的时候，一个正在生气的人，脸上在做别的事；反过来，人皱眉时也常常不是在生气（使劲想事情、听到一个烂笑话、肚子胀气）。至于工程化：目前查到最明确的实例只有 CHI 2025 的一篇 Extended Abstract——用 LLM 提示策略构造「情境球」做上下文敏感的情绪分析，评估样本只有 5 个访谈参与者。
主战场是 2019 年那份 PSPI 报告，而基本情绪论阵营正式回应了：Keltner、Sauter、Tracy、Cowen 的《Emotional Expression: Advances in Basic Emotion Theory》（Keltner 正是 Ekman 的学生）主张，情绪表达远比「六种基本情绪 + 静态面孔」复杂——多达 20 余种情绪在多模态、动态的表达模式里被传达，且必须超越「给一张脸配一个词」的实验范式。这个回应本身就是一次演化：基本情绪论在被攻击中长出了新形态，所以这场交锋是有生产力的，不是各说各话。（一个值得记住的细节：Barrett 在论文里形式上撇清了——她明确写道，这篇文章「不是对 Ekman 提出的基本情绪观点的公投」。但她的核心论证直击的正是「从面部动作推断情绪」这根支柱。形式上撇清、实质上直击。）
还有一件事必须说清：appraisal 和 Ekman 在原本的心理学里不是干净的对手——appraisal 理论解释的是「人如何抵达一个离散的情绪范畴」，它是通往范畴的路径，不是范畴的替代品。把这两者摆上擂台，本身就是一次概念误置（这也正是那篇被误读的机制可解释性论文所踩的坑，见深读图）。真正的对手是 Barrett ↔ 基本情绪论。
《The Muddy Waters of Modeling Empathy in Language》（arXiv:2501.14981，2025-01）在 18 个共情任务之间做两两迁移实验（拿任务 A 训出的模型去做任务 B，看 B 变好还是变坏），三条发现一条比一条反直觉：①决定成败的不是数据量，是概念的精度——「定义有多细」和「测量跟定义对得多准」，比数据量、词汇量、任务相似度更能预测表现；②迁移经常是有害的——大多数迁移显著降低了表现；③最狠的一条：「这段话有多共情，打个总分」这类抽象任务，从来没有被任何理论构念改善过。
先老实交代一件事：这张图从一开始就有个大窟窿。前面那张卡说情绪科学是三派混战（艾克曼、巴瑞特、评估理论），但情绪科学真正打得最凶的一个主战场，这张图里之前一个字都没提——雅克·潘克塞普（Jaak Panksepp）开创的情感神经科学（affective neuroscience）。这不是一个新长出来的第五派：潘克塞普这条路线跟艾克曼同代、资历甚至更老，只是这次专门做研究才发现这张图一直漏了它（2026-07-14 补入）。补的不是排序，是一个真实存在过的盲区。
潘克塞普打的完全是另一个战场。艾克曼看表情，巴瑞特看内感受（interoception，对心跳、内脏这些身体内部状态的知觉）和预测编码，他谁的表情都不看，看电极。他用局部脑内电刺激（ESB）在皮层下界定出七套跨物种同源的原始情绪系统——每套都用全大写命名，专门用来跟日常情绪词区分开：SEEKING（寻求，多巴胺驱动的「想要」而非「喜欢」）、RAGE（暴怒）、FEAR（恐惧）、LUST（性欲）、CARE（关爱）、PANIC/GRIEF（分离痛苦——他博士后时期的原创发现：低剂量吗啡能显著缓解幼崽被隔离时的哭叫，这套系统靠体内自身产生的阿片类物质调节）、PLAY（玩耍——大鼠被挠痒时会发出人耳听不到的 50kHz 超声「笑声」）。这些系统在所有测过的哺乳动物身上都能被同源地激活——不是人类独有的软件，是哺乳类共享的硬件。最反直觉的证据是去掉皮层之后依然成立：天生几乎没有大脑皮层的孩子（一种叫积水性无脑症 hydranencephaly 的罕见情况——大脑半球缺失、但脑干完整、能存活）照样会在恰当的情境下微笑、哭闹；把皮层切掉的动物，连玩耍这种复杂的社交行为都完好无损。潘克塞普的结论很直接：制造情绪，新皮层根本不是必要条件。
这是一场真打过的架，同一本期刊里正式来回了三个回合，不是隔空互怼。2006 年，巴瑞特在《Perspectives on Psychological Science》上追问情绪算不算一种「自然种类」；2007 年潘克塞普在同一本刊物正面回击，指控她犯了「层级混淆」——她的批评只覆盖了一整个她从未处理过的、更基础的脑机制传统（原话见下方引文）。同年，巴瑞特带着六位共同作者反击，标题故意挑衅——《论鼠与人：哺乳动物大脑里的情绪自然种类？》（Of Mice and Men）；2008 年潘克塞普再回一轮，巴瑞特与林奎斯特（Lindquist）又驳了一轮。三个正式回合，谁都没能让对方退场。潘克塞普还有第二条指控：巴瑞特处理的几乎全是人类脑成像和心理生理学的相关性证据（噪声大、结果不稳定），却回避了动物研究里因果性的电刺激证据——他甚至具体点出她引用的动物情绪文献只占全部参考文献的约 2%。
他打得最狠的一拳、也是这次研究认为最难被回应的一击，是药理学三问——本次研究翻遍了能找到的巴瑞特一方文本，没有查到正面回应过这三个问题（这是「没找到」，不是「确证不存在」，诚实标注）：如果情绪底下真的只有一个「舒不舒服 × 唤醒高不高」的二维空间，那分离痛苦为什么偏偏对阿片类、催产素、催乳素高度敏感，换成同样「有奖赏性」的精神兴奋剂就不灵？抗焦虑药、抗抑郁药、抗躁狂药的作用机制为什么彼此完全不重叠？阿片、可卡因、酒精又是凭什么能让人和动物清楚分辨出不同的情感质地？如果情绪只是一条连续的效价维度，这些药理学上干干净净的区隔是从哪儿来的？
这场架里对我们最有用的一记提醒，其实不是潘克塞普打的，是巴瑞特自己捅出来的。一个常见的推理是：按巴瑞特的理论，情绪概念是语言对身体信号做的符号化切分，这套「情境→内部状态→行动倾向」的预测包被蒸馏进了语料库、压进了参数里——所以大语言模型继承的是情绪的「功能语法」，缺的只是「生理执行层」。这条链在事实层面站得住（前一张卡提到的那篇 appraisal 机制论文，实证的正是模型内部情绪表征贴着评估结构生长）。但巴瑞特自己不允许这么读。 她 2025 年带着 16 位共同作者发文，正式拒绝把情绪切成「客观的身体状态」和「主观的感受体验」两层——她管这个切法叫「自然的二分」（bifurcation of nature，借用哲学家怀特海 Alfred North Whitehead 1920 年的说法），判定两个理论「本质上不可调和」。理由是：身体调节和感受是同一个稳态控制信号同时产生的，不可能劈成两个由不同机制引起的现象。在她的理论里，概念是在内感受信号上工作的——没有那个信号，概念在空转。 所以拿巴瑞特去论证「模型有了功能语法就有了情绪的大半」，等于是在用她的结论、去拆她自己的地基。这个修正来自她自己的立场，不是对手扔过来的批评——所以它比任何外部批评都更难被打发。
潘克塞普 2017 年去世，这条线目前看更像是在概念层面继续、而非实证层面——本次研究在 2021-2026 年间没有找到任何一篇正面复现或推翻七系统/三层模型核心主张的论文。有意思的是，他自己 2010 年其实提过一个「分层和解」方案：初级情绪归皮层下的硬连线，建构论管的是被皮层加工过的高层概念，两边可能只是在不同的控制层面工作（2023/2025 年 van Heijst 等人用动物行为学家丁伯根 Tinbergen 的框架，独立又提了一次几乎一样的分层）。但巴瑞特 2025 年正面拒绝了这个和解——而且要命的是，她拒绝的那套「客观身体状态／主观感受」二分，定义源头恰恰是达马西奥（Antonio Damasio），她在文章里点了名。 链条到这里就闭合了：那个看起来最省事、能一次性平息潘克塞普-巴瑞特之争的分层方案，骨架来自达马西奥，而达马西奥这套骨架正是巴瑞特花力气反对的东西之一。所以分层不是一张中立的裁决台——你只要接受「情绪（客观身体状态）和感受（主观体验）可以切开」，就已经不知不觉站到了巴瑞特的对立面。 潘克塞普这条线后来的继承人、最硬的转化成果，收在下方折叠里，不打断这里的主线。
她对那些理论的批评，无论有效与否，不应该被推广到她根本没有覆盖的、更基础的脑机制路径上——那条路径出自一个完全不同的学术传统。把我的观点跟同类里的其他人混为一谈、却不深入我立论所依据的那些完全不同的数据库，这不公平。—— Jaak Panksepp（雅克·潘克塞普），2007 年回应巴瑞特「情绪是不是一种『自然种类』」的质疑，《Perspectives on Psychological Science》2(3):281-296
前三派吵的是「情绪怎么分类、怎么建构、怎么评估」——都把情绪当一个待识别的对象。人本主义体验派完全不接这个问题：卡尔·罗杰斯（Carl Rogers）来访者中心疗法（CCT/PCT/PCA 的核心）和尤金·简德林（Eugene Gendlin）的 felt sense/experiencing 概念，关心的是一件更底层的事——一个人当下模糊、身体性的「体验流」（experiencing）如何被语言符号化，并因此被「携带前进」（carrying forward，简德林的术语，指一次准确的命名或回应让卡住的感受向前松动一步）。这不是给情绪贴标签，是跟一个不断在动、还没成形的东西保持接触。
这一派是 Robin 设计哲学的根——不问「Kent 现在是什么情绪」，而是跟着他此刻还没说清楚的东西一起往前走。它对这张图的独特价值在于：从这一派反观其他三派，会看见前三派共享一个未被言明的假设——情绪是有边界、可命名的东西；体验派否认这个假设本身。（Kent 2026-07-13 批注加入这一派，原话是它「最接近于我们当前对 Robin 设计时的哲学基础的视角」。）
它跟 Barrett 的关系是最值得想清楚的一处——因为两派看起来是盟友，实际上在一个要害上正面相反。同盟：两派都否认「情绪是一个有边界、等着被识别的固定类别」，都认为情绪是在情境里生成的，不是被读取的。分歧：Barrett 说，构成情绪的就是概念和语言——她的「情绪粒度」推论直白得刺眼：你掌握的情绪词越多，你能构建出的情绪就越细，词汇参与构成情绪本身。简德林（Gendlin）说的恰恰相反：felt sense（那个模糊的、身体性的、还没成形的感受）先于语言、并且总是超出任何词；符号化是去接近它，永远不是去构成它——一个词对不对，最终的裁判是身体（说出来的时候，那个卡住的地方是不是松动了一下）。一句话：Barrett 认为语言是构成性的，简德林认为语言是接近性的。
这个分歧不是学院争论，它对任何做情感 AI 的人都有直接后果：如果 Barrett 对，那么给一个人一个精准的情绪词，是在帮他构建那个情绪（是好事）；如果简德林对，那么给他一个词，有可能盖住那个还没成形的东西（是风险）。这正是「替代符号化」这个陷阱的理论根源——Robin 系列里反复出现的那条纪律「命名准了，人反而停下来了」，在这里找到了它的理论坐标。
2026-07-14 补两条这次研究挖到的新料，都加固了上面这个「语言是构成性还是接近性」的分歧。其一：这场对撞学界从没正面打过（证据见下方折叠更新）——它不是小众到没人关心，是它恰好卡在「语言这条信道的天花板有多低」这个最要害的问题上，无人认领。其二、也更扎人的一条：巴瑞特支持「没有概念就没有情绪」最硬的那块实证证据，是语义痴呆病人研究（这类病人丧失了概念知识，结果认不出别人脸上的具体情绪，只能分辨愉快/不愉快）——但原文测的是病人对『别人』面孔的情绪知觉，不是病人『自己』第一人称的情绪体验。而简德林的靶子，全部在体验端（那个身体里模糊、还没成形的体会）。双方其实在打不同的靶子：哪怕巴瑞特这批证据全部成立，也没有直接碰到简德林的核心主张。通俗转述经常把这个「知觉 vs 体验」的区分抹掉，把这项研究说成「证明了没概念就没情绪体验」——原文比这谨慎得多。
没有一个现有的人工共情方法真正操作化了这些（罗杰斯）原则—— E-THER 论文原文，据侦察报告转译，2025-09
这是贯穿「AI 与情感」整个领域的根本分岔，不只属于这一张图。罗莎琳德·皮卡德（Rosalind Picard，MIT Media Lab，1997 年专著《Affective Computing》命名了整个领域）代表识别路线：假设情感是能从面部、语音、生理信号里客观提取的状态——采信号、提特征、映射到离散标签或效价-唤醒度维度，据标签生成回应。这条路线可量化、易工程化，是行业实际投入最多的方向，也催生了 Hume EVI 这类情绪识别语音产品。
丹尼尔·斯特恩（Daniel Stern）1985 年的发展心理学著作《The Interpersonal World of the Infant》提出情感调谐（affective attunement）：婴儿和照顾者之间的情感交流不靠语言或情绪标签，靠节奏、强度、时长、能量形态的动态跨模态匹配——母亲不是「识别」婴儿的情绪，是在互动的瞬间与之共振。这条路线主张：真正的情感智能不是「正确分类一个状态」，是「在持续关系里动态协调」。
两条路线目前并行、几乎不交叉：LLM 的进步集中在语言层，天然更贴近调谐（语言本身是互动，不是信号分类），但工业界的多模态投入仍大量押在识别一侧。这条分岔决定了产品长得像什么——「识别」产品像诊断师（「你今天情绪指数 7.2，偏焦虑」），「调谐」产品像在场的朋友（不说话也让人感到被陪伴）。
调谐是共识吗？不是——这正是这张图最该说清的一件事。（Kent 2026-07-13 直接问了这个问题。）在人机关系的文献里，Stern/Schore 那一级的调谐理论几乎完全缺席——这次十路侦察检索到的人机依恋研究，绝大多数停留在 Bowlby/Ainsworth 层级的依恋风格分类（安全型/焦虑型/回避型），没有进一步进入更细颗粒度的发展性情感调节传统。而在发展心理学内部，「关系质量影响发展」有强实证，但「因果作用有多大」存在真实的争论——行为遗传学是一个有分量的竞争解释。所以「调谐」是一个真正的非共识论断，一个还没被占据的位置——这既是风险（没有现成的证据可以躺），也是机会（这是可以自己做的研究）。
想练「提出并支持一个非共识论断」，这里有一张现成的操练台：以「安全依恋与共情回应对孩子发展有巨大帮助」这个命题为中心，把支持它的证据、反对它的证据、以及它到底该怎么被精确化，全部摆开——结论会让你意外：你的论断里有一处必须放弃，但有一处对你有利的转折，你自己没意识到。论断工作台：依恋与发展 →
AI 共情研究收敛出两条不同源的多成分框架：临床心理学谱系的戴维斯人际反应指数（IRI，Davis，1983）把共情拆成认知取角（perspective-taking）/幻想/共情关切/个人痛苦四个分量表，主要被当评测工具用；NLP 原生谱系的 EPITOME 框架（Sharma et al.，EMNLP 2020，arXiv:2009.08441，从 Reddit 抑郁症支持版块的真实对话里提炼）把共情拆成情绪反应/解释/探索三分法，主要用于训练数据标注。两套框架几乎不对话，一个测评一个训练。
2025 年几个 benchmark（GIEBench、AEQ-Bench、「Are LLMs Empathetic to All?」）共同指向一个「认知-情感鸿沟」：LLM 在认知共情（正确推断别人在想什么、感受什么）上已经接近人类水平，但在情感共情（真正的情绪共鸣、恰当校准的情绪化回应）上持续落后，跨年龄/性别/文化场景下差距更明显。这道鸿沟在感知层的展开见 图②。compassion（同情/慈悲——一种动机性、导向行动的构念，区别于单纯的情感共鸣）在心理学里早已成熟（如 Paul Gilbert 的 compassion-focused therapy），但侦察报告称目前几乎没有 AI 评测工作把它当独立可测量的东西对待，大多被压缩进「情感共情」里。
乐观派的起点是 2023 年前后广泛流传的发现：GPT-4 能解决约 75% 的一阶错误信念任务（经典的 Sally-Anne 测试——A 把弹珠放进篮子后离开，B 把弹珠挪到盒子里，问 A 回来后会去哪找），表现接近 6-7 岁儿童。这个数字至今仍被媒体广泛引用，是「LLM 有心智理论（Theory of Mind）」说法的主要证据来源。
怀疑派带着两层证据反击。第一层是基准污染：2025 年的系统综述《Artificial Intelligence and the Illusion of Understanding》指出 GPT-3.5/GPT-4 能近乎逐字复现经典 Sally-Anne 测试样例——说明模型可能只是背过这道题，不是真的在推理别人的信念；且模型在二阶/递归信念推理（「A 认为 B 认为……」）上明显弱于人类。第二层更狠：2026 年 3 月莱顿大学的论文《Traces of Social Competence in Large Language Models》（arXiv:2603.04161）用因果可解释性方法，在 17 个开源模型里找到一个可分离的单一「think vector」（与「X thinks...」这类心智状态词汇绑定的激活方向）驱动错误信念测试的表现——这个向量在预训练阶段就已形成，且推理导向的微调会放大而不是修正这种表面模式，被认为是目前「LLM 的 ToM 只是浅层词汇捷径」最有说服力的因果证据。机制层的完整展开（think vector 的概念定义、怎么被找到、模型细节）见 图②。
战况：怀疑派目前在方法论上占上风（揭示基准污染、找到因果机制），但对「更强的 agentic 模型 + 工具使用 + 长期记忆会不会改变结论」双方都没有共识——这场争论没有定论，只是证据的重心正在移动。
同源：Robin 是斯特恩调谐路线的实践样本——00-对标基准里「我们摸出来的判断」独立分解出的「原版三层」框架（①物理通道 ②潜在通感 ③interoception 内感受）是自有理论贡献。更巧的是，Robin 系列「架构深潜」图第 2 卡讲的「语言即认识论：descriptive 两面——不诊断 Kent、不他者化自己」，是在没读过简德林的情况下独立长出的一条原则，跟人本主义体验派「不把状态当诊断对象」同构。
相反 + 空白：Ekman 式识别路线（至今仍主导 NLP 标注工具链）是我们没有走的路；而 Stern/Schore 级的调谐理论——把情感调节的发展心理学直接用到人机关系上——在侦察检索到的人机依恋文献里「几乎完全缺席」（theory.md 原话），这正是 00-对标基准写下的「还活着的问题」：调谐花园自己也还没解决「潜在通感怎么测量、interoception 真的不可解吗」。这个缺口是 Kent 的原创切入点，也是我们自己没答完的题。
质疑（两条真实反证，如实标注证据强度）：（a）2026-07-13 深读原文后，这条钉子换了形状，而且比原来更硬——旧版说的是「appraisal 结构贴合 transformer 内部」，但精读发现那篇论文最扎实的证据其实是：离散情绪范畴在 LLM 的激活空间里是线性可分、可移植、有因果效力的方向（10 个模型 × 三种因果方法交叉验证）。这对人本主义「体验先于分类」的立场是一记更实的钉子：模型内部确实有分类结构，而且相当结实。所以「不把情绪当成一个待识别的对象」，更像是我们在交互界面上坚持的一个设计选择，不是模型底层真的没有分类结构——别把「设计姿态」讲成「底层事实」。（但也别把钉子想得太狠：论文只证明了那些方向可以被拨动，没有证明模型「使用」它们做推理——必要性消融没做，见深读图。）（b）Rogers「无条件积极关注」在人机文献里有一条并行批判线——无需努力就能获得的无条件关注，可能是陪伴产品心理风险的来源而非疗愈来源，但这条批判目前的证据是通俗文章和陪伴依恋文献里的间接推论，不是严格对照实验，证据强度软，如实标注。
确认（2026-07-14 新增，也是这张对照层第一次有这么硬的地基）：Robin 花园里一直在追一个判断——「AI 缺的到底是哪一层」。过去这个判断全靠从 AI 那头论证（模型没有身体、没有内感受回路）。这次把情绪科学四个互相攻击的阵营摆在一起看，发现一件意外的事：巴瑞特、潘克塞普、达马西奥、简德林在几乎所有事情上打架，唯独在一件事上全都同意——情绪里有一层东西不在语言里。 他们只是各起了不同的名字：潘克塞普叫它「初级情感系统」（那个妙词 anoetic——被强烈经验、却不知道自己在经验）、巴瑞特叫它「内感受与身体预算」、达马西奥叫它「稳态感受」、简德林叫它「体会（felt sense）」。所以「AI 缺那一层」这个判断，不依赖赌哪一派对。（诚实标注：这个「跨阵营共识」是把四派摆一起看出来的归并，不是哪篇论文自己下的结论——四派对那一层的『性质』分歧极大；如果它们本体上根本不是同一回事，这个漂亮结论会松动，可能赢在措辞、不赢在论证。）
观点一：学术上的胜负和工程上的采纳，是两条不同的线；看到一个理论在产业里遍地都是，别默认它赢了学术上的仗。证据：Barrett 领衔的 2019 年 PSPI 报告（审阅上千项研究）在学术上重创了「从面部动作可靠推断情绪」这个假设——人在生气时只有约 35% 的时候脸上是怒容；基本情绪论阵营（Ekman 的学生 Keltner 等人）正式回应，并且演化了自己的立场（从六种基本情绪+静态面孔，改为 20+ 情绪、多模态动态）。但 Ekman 式的离散标签集至今仍主导 NLP 标注工具链——因为工程界当初采用它的理由从来不是「它是对的」，是「它最好标」（封闭标签集、标注便宜、能直接算准确率）。可能被追问：「那你觉得哪派该被工程界优先采纳？」——答案是先问「你要解决哪个问题」：要低成本标数据，Ekman 仍然最实用；要判断一个情感 AI 产品的科学基础站不站得住，Barrett 是必须过的一关；要理解模型内部怎么算，appraisal 那条线才有东西。选边站不是本事，看清「一个理论在某个层次上被采用的真实理由」才是。
观点二：「识别 vs 调谐」不是新旧之争，是两条工业界仍在并行投入的路线，选哪条决定产品长什么样。证据：Picard 的识别路线催生了 Hume EVI 这类情绪识别语音产品；Stern 的调谐路线在人机关系文献里几乎没人正面引用（theory.md 的检索缺口发现）——这恰恰是差异化机会，不是理论劣势。可能被追问：「调谐理论这么冷门，你怎么证明它有效？」——诚实的答案是目前没有标准化评测能测「调谐」，这正是评测维度判定的空白，不是回避。
观点三：人本主义体验派（罗杰斯 + 简德林）几乎没被 AI 领域工程化，不是因为它不重要，是因为它天生抗拒被工程化的语言（felt sense 本身就是「还没成为语言的东西」）。证据：E-THER（2025）是目前唯一一个明确以罗杰斯三条件为根的评测，而简德林的 felt sense 在本次检索到的 AI 文献里完全没出现。可能被追问：「这不就是不可测量、不能证伪吗？」——可以坦率承认这是这条路线最大的方法论风险，也是自己还在摸索的部分，不是已解决的问题。
观点四（这条是「怎么读文献」的判断力，可能比任何具体观点都值钱）：读到一个响亮的论断时，先问一句「原文真这么说吗」——然后去翻。证据：那篇被广泛引用为「appraisal 理论比 Ekman 更贴近模型内部真相」的机制可解释性论文（Tak et al., ACL 2025 Findings），全文0 次提及 Ekman，从未做过两派的对照实验；而且它自己最硬的那部分证据（10 个模型 × 三种因果方法）恰恰是范畴式的——那个响亮的论断是引用链条造出来的，作者本人在局限部分相当克制，甚至承认 appraisal 可能只是与情绪相关、因果方向甚至可能是反的。这是能当场演示的判断力：不是记住更多论文，是知道怎么去验一句话。（完整案例见深读图：情绪推断的机制解剖 →。）
观点五（2026-07-14 新增，这条最能当场接住质疑，因为它来自对手自己的立场）：如果有人拿巴瑞特论证「大语言模型有了情绪的『功能语法』就有了情绪的大半，缺的只是生理执行层」——你可以回一句：这是在用巴瑞特的结论，拆她自己的地基。因为巴瑞特 2025 年（16 人联署）正式拒绝把情绪切成「功能层」和「身体层」，拒绝的正是「这两层能分开谈」这个动作本身；在她的理论里，概念是在内感受信号上工作的，没有那个信号，概念就在空转。这一记比任何外部批评都硬，因为它不是「反对巴瑞特的人说的」，是「巴瑞特自己的立场推出来的」。配套还有一句能显出你读过原文的判断：「分层不是一张中立的裁决台，分层本身就是一方的立场」——谁提议「基本情绪论管皮层下、建构论管皮层」这种和解，谁其实已经站到了巴瑞特的对立面，因为那套二分的源头（达马西奥）正是她反对的。
先说这张图的置信度分布——它比任何「已核验」的标签都更重要。可以放心用的部分见下一段；其余多数断言仍来自侦察快照（AI 写的二手转述，报告开头自标「未经核验」），没有回到原文校对。校准警惕的力度，用本项目自己查实的三个立场级错误案例：①「appraisal 比 Ekman 更贴近模型内部真相」——引用链条造出来的立场，原文从未提及 Ekman（见卡1 与深读图）；②「三派几乎从未正面交锋」——一句只在工程界成立的观察，被错位成了理论断言（理论层面 Barrett 与基本情绪论激烈交锋了十年）；③把 constructed emotion 译成「构成论」而非通行的「建构论」。三处同源：从二手转述继承断言、没回原文。
由此立下这张图的判读规则：凡只挂 scout-2026-07-12 出处、没有「原文精读」标记的断言——不是「可能有小错」，是「同类来源已被证实出过实质错误」，引用前必须回原文。
已经过原文核验的部分（可以放心用）：卡1 的 appraisal 段落与整张深读图（PDF 全文两路独立精读 + 元信息联网核验，并修正了「预印本」→ 实为 ACL 2025 Findings 收录）、Barrett 2019 PSPI 报告与那个 35% 的数字、基本情绪论阵营的正式回应（Keltner、Sauter、Tracy、Cowen）、CHI 2025 那篇建构论工程化实例（确认存在，但只是 Extended Abstract，评估样本仅 5 位访谈参与者）。
dimensions/08-academic-theory.md 写于 2026-06-29，是本次 07-12 侦察之前的旧调研——它自己在核验时抓出过一条硬错误（把 DeepMind 的《Ethics of Advanced AI Assistants》报告误标成 Nature 论文），说明「旧调研已核验」不等于「这次新引用的一致内容也核验过」，两份材料重叠部分（如 Picard/Stern 的历史脉络）本次没有重新核对。
已知的开放缺口，如实标注：（a）~~Gendlin 的 felt sense 在 AI 文献里没出现、需专门调研~~ → 2026-07-14 已调研并升级：这不只是 AI 文献的空白，是情绪科学主战场上 Gendlin↔Barrett 的正面对撞从未被打过（Barrett 2025 那篇 16 人联署回应批评者的长文逐字检索零命中）——从「待坐实的缺口」变成「已坐实的空白」，见卡「第四派」的折叠更新；（b）Rogers「无条件积极关注」批判线目前的证据是通俗文章（2024 Psychology Today）和陪伴产品依恋文献里的间接推论，不是严格对照实验，证据强度弱；（c）「GPT-4 解决约 75% 一阶错误信念任务、接近 6-7 岁儿童」这个常被引用的数字本身，theory.md 明确说「目前已受到较大质疑」，引用时应该带着这个但书，不能当稳定事实讲。
新增两条防坑警示与盲区（2026-07-14 情感神经科学补研究带出来的）：其一，波格斯（Stephen Porges）的多层迷走神经理论（Polyvagal Theory）不能当定论引用——它在创伤治疗圈是基础设施，但 2026 年 2 月有 39 位自主神经生理学与比较解剖学专家联署发文《Why the Polyvagal Theory Is Untenable》，判定其核心生理前提与已知证据矛盾（比如「爬行类和鸟类没有有髓的心脏迷走纤维」这个说法是错的，它那套三层进化阶梯的地基不存在）。同类的还有 van der Kolk《身体从未忘记》，神经科学主张学界评价明显负面（他大量引用的 LeDoux 本人公开不认账）。这个落差本身就是一个该记住的案例：一个生理学上站不住的框架，可以同时是临床上好用、好讲、好卖的隐喻。其二，本次补研究自己的盲区，如实标注：没找到 Barrett 一方对潘克塞普药理学三问的正面回应（「未找到」≠「不存在」）；没找到针对 Schore 右脑理论的实质性同行评议批判；达马西奥的三本主要著作和塞斯（Anil Seth）的关键论文全文没读到（被反爬拦截），涉及他俩的判断证据强度要打折扣。