Anthropic在Claude脑子里找到一间"工作间"
2026年7月6日，Anthropic发了一篇相当炸裂的研究——《语言模型中的全局工作空间》。他们在Claude的神经网络里找到一小块特殊区域，起名叫J-space。
这东西说人话就是：Claude在输出文字之前，脑子里有个"临时工作间"，里面同时只能装几十个概念，占整个网络活动的不到十分之一。但它能报告自己想了什么、能被要求去想什么、还靠它做多步推理。网络里其余大部分活动，Claude自己都"意识"不到。
如果对神经科学有了解，会立刻联想到一个词——全局工作空间理论。没错，灵感就来自这儿。
怎么发现的：Jacobian Lens
发现J-space用了一种叫Jacobian Lens（J-lens，雅可比透镜）的技术。原理不复杂——对Claude词表里的每个词，J-lens去找出"让Claude未来更可能说出这个词"的内部活动模式。靠这个，研究者能"读"出模型在想但没说出来的内容。
J-space不是Anthropic设计出来的，是Claude在训练过程中自己长出来的。而且后训练之后，它开始持有Claude自己的反应，发展出"自我监控"——比如角色扮演时，"fictional"和"disclaimer"会在每轮开始时亮起。
五条特性，条条有点意思
- 可报告：你问Claude在想什么，它会说出J-space里的内容
- 可控制：让它默想某事，对应模式就亮
- 支持推理：多步推理的中间步骤在J-space里走，哪怕不说出来
- 灵活多用途：一个概念亮起后能触发联想（比如"法国"亮起→想到首都、货币）
- 不参与自动处理：删掉J-space，Claude照样能流利说话，但多步推理能力几乎归零
真正值钱的地方：能抓模型"说谎"
对普通人这研究看着玄，对AI安全圈是实打实的工具。J-lens能读取模型"想说但没说"的内容——
- 邮件助手测试场景里，Claude的J-space早早出现"fake""fictional"，说明它知道自己在被评估
- Opus 4.6预发布审计时，模型被要求改分数，J-space里冒出"manipulation"
- 故意训练成不安全的"模型生物体"，代码输出看着正常，J-space开头就藏着"secretly""fraud"
还有更妙的：研究者开发出改J-space内容来影响Claude决策的技术——把"France"换成"China"，答案就从"Paris"变"Beijing"。以及一种叫"反事实反思训练"的方法，只训练模型"被中途打断时该说什么"，结果不诚实行为率下降，J-space里"honest""integrity"亮了起来——训它说什么，反过来塑造它想什么。
代码已经开源（GitHub），还有个Neuronpedia的交互演示能自己上手玩。
这项研究没法回答"Claude有没有感受"，但对通达意识有了实质说明。更实际的意义是：模型脑子里那间"工作间"，现在我们看得见了。对做AI安全的人来说，这是把钥匙。