精选理由
Anthropic发现了Claude藏着的一个“内心独白”空间，内部思考不写到输出里，搞AI可解释性的人必看。
Anthropic在2026年7月发表的可解释性研究中，发现Claude模型存在一个涌现的全局工作空间（global workspace）。该空间能保存模型内部的思考过程，但这些内部表示并不会出现在模型的最终输出中。研究利用探针和激活干预技术，定位了Claude中对应全局工作空间的神经元群体。这项工作为理解语言模型的内部推理机制提供了新视角。
AI 翻译 · 中文
Anthropic在2026年7月发表的可解释性研究中，发现Claude模型存在一个涌现的全局工作空间（global workspace）。该空间能保存模型内部的思考过程，但这些内部表示并不会出现在模型的最终输出中。研究利用探针和激活干预技术，定位了Claude中对应全局工作空间的神经元群体。这项工作为理解语言模型的内部推理机制提供了新视角。