用显式状态动力学控制语言模型智能体的长程行为

大语言模型（LLM）智能体在长时间交互中常出现语气与人设的突变，反映出缺乏支配智能体级状态的显式时间结构。尽管先前工作强调轮次局部情感或静态情绪分类，显式情感动力学在塑造长程智能体行为中的作用仍未被充分探索。本工作研究对外部情感状态施加动力学结构能否在多轮对话中诱导时间连贯性与受控恢复。我们引入一个智能体级情感子系统，在语言模型之外维持连续的效价-唤醒-支配（VAD）状态，并由一阶与二阶更新规则支配。瞬时情感信号用固定的无记忆估计器提取，并经指数平滑或基于动量的动力学随时间积分。所得情感状态在不修改模型参数的情况下注回生成过程。使用固定的 25 轮对话协议，我们比较无状态、一阶与二阶情感动力学。无状态智能体无法展现连贯轨迹或恢复，而状态持续则支持延迟响应与可靠恢复。二阶动力学引入随动量增加的情感惯性与滞后，揭示稳定性与响应性之间的权衡。