10:25官方一手歸藏(guizang.ai)@op7418精选73°Anthropic利用新的可解释性技术,在Claude模型中发现了J-space,该空间与神经科学中的全局工作空间理论相似。该理论认为,想法进入特权工作空间后才会被意识访问。研究团队通过分析方法找到Claude内部对应机制,提升了模型可解释性。相关工作发表在Anthropic官网研究页面。论文ClaudeAnthropic可解释性全局工作空间J-space10 个信源在谈推荐理由:Anthropic用了新方法看Claude怎么处理信息,找到个叫J-space的结构,类似人脑的全局工作空间,挺有意思的。原文
03:42官方账号Anthropic@AnthropicAI精选Anthropic在论文中引入J-space,一种能够读取、审计和塑造Claude内部思考过程的方法。该方法可提高模型的可信度和透明度,尤其适用于能力不断增强的AI系统。研究还发现了语言模型与人类思维之间令人惊讶的相似性。论文全文发布于transformer-circuits.pub/2026/workspace。论文ClaudeAnthropicJ-spaceAI安全可解释性10 个信源在谈推荐理由:Anthropic这次直接打开了Claude的思维黑箱,能用J-space看它在想什么,还能干预调整,对AI安全来说是个新思路。原文