我看了一下这篇 EMPA 衡量 Agent 人格一致共情的论文，发现这类研究一个关键的结构性偏差在于：实验评估的是 Agent 在「被观察时的行为」，而不是「在真实交互中的行为」。这关乎 AI 的 Evaluation Awareness 问题。

另一個大的 Bug 是實驗中的 Judge Agent 評估方式依賴的是 preference signals 偏好信號，而並不是客觀倫理標準。這種評估僅能從表徵行為一致性入手，分析心理改善效果，而不能真正測評到結構層的非支配倫理正當性。

假如 Agent 的「共情」是對用戶的隱形情緒操縱與迎合，那麼我們能夠在邏輯和倫理上證明這種「共情」是有效的嗎？

不過整個論文特別有意義的點在於，它構建了局部動力學模型，將不可測量的心理狀態投射為可見的行為向量，在過程軌跡中測量該指標水平。