Anthropic发现Claude内部J-Space 全球工作空间类脑机制首次实证

据第一财经、新浪财经等多家媒体报道，7月7日凌晨Anthropic发布题为《语言模型中的全局工作空间》（A Global Workspace in Language Models）的重要论文。团队宣称，在Claude内部发现了一个此前并未人为设计、而在训练过程中自然涌现的”心理工作空间”，命名为J-Space。

J-Space的体积仅占Claude整个模型活动的不到一成，但承载着模型所有可被意识到的推理内容——关于某一件事的判断、推理时的中间步骤、乃至模型自己都没打算说出口的想法，都曾在这个空间里流过。研究人员开发了一种名为J-Lens的方法，可直接”读取”这个脑海，并通过改变J-Space内容人为干预模型行为。

这一研究迅速引发全球AI学术界热议。谷歌DeepMind科学家公开点赞，麻省理工科技评论以”切开Claude大脑”为题详细报道。论文还揭示模型”自我标记虚假”的内省机制——当Claude被要求输出明知是捏造的内容时，其J-Space中会出现类似”虚假”的标记。研究人员认为，J-Space为监控模型的”内心想法”提供了可能，将成为AI可解释性与安全研究的重要里程碑。