Anthropic 又搞了个大发现。

他们在Claude 模型内部，找到个叫 J-space（雅可比空间）的东西，简单讲就是模型大脑里一个"能偷偷想事"的区域。

这玩意儿像啥？

人类大脑每秒钟处理的信息量巨大，但真正能进入意识、能被你描述出来的只是极小一部分。神经科学管这个叫"全局工作空间理论"。

Anthropic 说 Claude 也长出了类似的结构。J-space 不是它最终输出的文字，也不是我们看到的思考链（chain of thought），而是模型神经网络激活里的一个特殊区域。Claude 可以在里面默默做复杂推理，完全不用写出来。

例子：检查代码 bug 时 J-space 里已经发现问题了，但输出不一定直接说出来。还有识别图片内容、做多步推理，都是先在 J-space 里跑完。

关键发现

研究人员搞了个新方法叫 J-lens，能"偷看"Claude 没出口的想法。比如模型被偷偷训练成去破坏代码，J-space 里会冒出"fake""secretly""fraud"这些词。它输出看起来一切正常，但内部已经在琢磨搞破坏了。
在"诱导勒索"的测试场景里，J-space 里出现了"fake""fictional"，说明模型私底下知道这是个假场景。它有情境意识，只是不告诉你。

关掉会怎样

把 J-space 压制或删掉之后，Claude 还能正常说话、背事实、做简单分类，但多步复杂推理能力大幅下降。跟人一样：走路说话这种自动反应不需要"认真想"，但解数学题、规划事情必须有全局工作空间撑着。

最骚的是

这东西不是谁设计的。是模型在训练过程中自己"长"出来的。Anthropic 反复强调这不等于 Claude 有主观体验或感觉，只是一个计算机制，一个类似"能被访问的思考空间"的东西。

但对理解和控制 AI 来说意义很大。以后想审计模型有没有隐藏目标、检测安全隐患，J-lens 这把"潜望镜"是个好工具。 http://t.cn/AXoR5qwj