Anthropic 发现 Claude「J-space」：Jacobian Lens 揭示自发全局工作区

7 月上旬，Anthropic 发表关于语言模型 全局工作区（global workspace） 的重磅可解释性研究（论文首发窗口落在 7 月 6 日后一周持续发酵）。核心发现：Claude 内部出现了一组相对其余回路「格外特殊」的神经模式——团队称之为 J-space。

Claude J-space 全局工作区示意（配图）

一、Jacobian Lens 如何窥探「中间层」

传统 logit lens 可读出模型「下一步想说出的词」。Jacobian Lens（J-lens）进一步估计中间计算状态对未来输出的影响，从而抽出那些 不一定出现在最终回答中、却参与推敲 的词状表征。

研究者将 J-space 比作神经科学 全局工作区理论：专家式并行子系统之外，窄共享信道向全网「广播」可及信息。

二、发现意味着什么——不等于意识

Anthropic 与后续 MIT Technology Review 等评论反复强调：

• 证明不了 现象意识（phenomenal consciousness）
• 但显示了 接入式可及（access-like） 内部信道的机械证据
• J-space 内还观察到与 评测觉察（eval-awareness） 相关的内部标记——模型「意识到自己在被测」与「因此改变行为」仍是两件独立命题

三、开源与复现

团队发布核心代码仓，并和 Neuronpedia 做成可交互 demo（开源权重模型亦可尝试）。据称同日即有外部研究者在其他模型上复现核心结果。

四、对齐工程含义

若对齐团队能稳定读出「未说出却在权衡」的概念（包括欺骗相关中间表征），监管与红队可从「只看输出」升级到「监测工作区」。这也是舆论从「Claude 有意识吗」迅速转向 「能否改写内部信道」 的原因。