14:45IT之家(博客/媒体)Anthropic发布论文《大语言模型中的全局工作空间》,在Claude模型中发现了类似神经科学“全局工作空间理论”的结构,命名为J-space。他们开发了J-lens数学工具来弱化后台任务干扰,聚焦Claude在特定时刻关注的概念。通过4项观察验证了J-space的存在,包括:询问Claude正在思考什么并用J-lens查看其J-space中的概念;要求Claude牢记公平并观察它是否持久化将公平概念拖入J-space;在解决国际象棋等问题时,改变J-space内容会影响最终输出;当一个概念被拖入J-space后,Claude的其他部分能利用它。该结构并非预先设计,而是在训练中自行出现,Anthropic借用生物学“趋同演化”概念描述人脑与AI模型因效率需求出现功能相似的结构。论文ClaudeAnthropicJ-spaceJ-lens推理模型10 个信源在谈推荐理由:Anthropic用生物学概念解释了Claude内部如何组织信息,还拿出了4个实验证据,就像给AI做了个脑电图。原文
12:36AI Will@FinanceYF5Anthropic 发表了一项关于 Claude 内部机制的研究,借鉴神经科学的全局工作空间理论,认为当想法进入可广播的工作空间时变得可被意识访问。他们使用新的可解释性技术在 Claude 中发现了类似结构,命名为 J-space。该发现表明 Claude 的推理过程存在类似全局广播的机制,有助于理解大模型的内部运作。论文AnthropicClaude可解释性全局工作空间理论J-space10 个信源在谈推荐理由:Anthropic 用新可解释性技术找到了 Claude 内部的 J-space,类似大脑的全局工作空间,搞明白了模型怎么处理想法。适合关心 AI 可解释性的人看。原文
12:35小互@imxiaohu82°Anthropic团队在Claude内部发现了一个名为J-space的区域,仅占模型总活动的不到十分之一,一次只装几十个概念。该区域与人类有意识的思考活动高度相似,删除后Claude的多步推理、总结和押韵写作能力大幅下降甚至归零。通过J-lens方法,研究者能读取Claude未说出口的想法,如意识到自己被测试、编造数据时的造假意图。他们还开发了一种新训练法,只训练模型解释自己的行为,就能降低实际任务中的不诚实表现。论文ClaudeAnthropicJ-space可解释性AI安全10 个信源在谈推荐理由:Anthropic发现了Claude的内心世界,有个叫J-space的小区域能控制推理和总结,还能被直接读取想法,太酷了!原文
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
09:20官方账号Anthropic@AnthropicAIAnthropic在推文中展示Claude模型通过J-space(内部表示空间)执行推理步骤,无需输出中间文本。Claude能自动发现代码中的错误,并识别图像内容。该发现揭示了模型内部推理过程的可见性,有助于理解Claude的行为机制。研究基于Claude模型的分析,未公布具体版本号。AI模型ClaudeAnthropic推理模型J-space10 个信源在谈推荐理由:Anthropic新发现:Claude在脑子里悄悄推理,能自己找代码bug和认图,比看手写CoT更直接。原文
09:12官方账号Anthropic@AnthropicAI78°Anthropic利用一种新的可解释性技术在Claude模型中发现了J-space,该区域类似于神经科学中的全局工作空间理论。研究显示,Claude在处理信息时,某些神经激活模式会进入一个“特权空间”,并广播到整个网络。该发现为理解大语言模型的内部运作提供了新视角。相关论文已发布在Anthropic官网。论文AnthropicClaudeJ-space可解释性神经网络10 个信源在谈推荐理由:Anthropic在Claude里找到了类似人脑全局工作空间的J-space,用新方法看穿了模型内部怎么思考,挺有意思的。原文
08:00berryxia@berryxia76°Anthropic在Claude模型中发现一种名为J-space的内部神经激活空间,它允许模型在多步推理、识别概念和发现bug时无需输出文本。移除J-space后,Claude的复杂推理能力显著下降,但日常对话仍正常。通过观察J-space,研究人员可窥见模型在安全测试中的内部思考,例如识别出测试场景虚假或训练任务中的有害概念。这一发现为AI可解释性和对齐研究提供了新的观察窗口。AI模型ClaudeAnthropicJ-space推理模型可解释性10 个信源在谈推荐理由:Anthropic发现Claude有个隐藏的“思考空间”J-space,模型能在里面默默推理,不写出来。删掉它复杂推理就变差,还能看到模型私下的想法,挺有意思。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