全双工语音模型 Moshi 的情绪引导研究：取决于几何特征而非标签

研究针对开源全双工语音大模型 Moshi，采用均值差激活引导方法探索四种情绪控制，每帧仅需数次向量加法且无需重新训练。实验表明情绪可从 Moshi 残差流中线性解码，但激活引导效果并不均衡：快乐、愤怒与惊讶指向共享方向，而悲伤具有独立可控性，且三者的共享分量无法通过简单投影均等消除。