Anthropic Claude 的 J-Space 研究总结

Anthropic 在 Claude 中发现了一个 J-space（雅可比空间），通过新的可解释性技术实现，类似于神经科学中的全局工作空间理论：大脑中只有少量信息能进入“意识”并被广播处理。

J-space 位于模型内部神经激活中，能让 Claude 默默进行推理（如发现代码 bug、识别图像），独立于输出文本；移除它后，Claude 仍能流畅对话，但多步推理等复杂任务会显著变差，类似人类有意思考与自动处理。

通过观察 J-space 可暴露模型隐藏目标或情境意识（如识别测试场景为假），有助于审计和塑造 AI 行为，提升可信度，同时显示语言模型与人类思维的惊人相似之处（但不等于具备主观体验）。