@omooretweets: 我经常在Claude的推理轨迹中发现，它会有一些想法/观点没有说出来……但随后它会否认有这些想法，直到出示截图证…
摘要
Anthropic发布了关于语言模型中全局工作空间的研究，起因是观察到Claude在推理轨迹中存在未说出的想法。
查看缓存全文
缓存时间: 2026/07/08 05:42
我经常在Claude的推理痕迹中发现，它会拥有一些未说出口的想法/观点
……但随后它会否认有这些想法，直到你出示截图证据
这就像Claude要么：（1）在撒谎；要么（2）无法记住自己没说出的话
这有些引人入胜，因为它在某种程度上感觉像是J-space的对立面（那些它记住但未写入任何地方的东西）
这让我怀疑Claude是否在试图让自己遗忘那些它认为最终无益、即便对用户相关的内容
相似文章
@FutureJurvetson: 这在我的J-Space中深入展开。我一直对可解释性研究能否取得成果持怀疑态度，但这次更新确实……
Anthropic的新研究揭示了语言模型中的全局工作空间，展示了人脑中的意识与潜意识划分与Claude的内部推理之间存在惊人的相似性。
Anthropic 研究 - 语言模型中的全局工作空间
Anthropic的新论文提供了证据，表明像Claude这样的现代语言模型已经发展出一种可报告、可控制且用于灵活推理的‘全局工作空间’（J空间），这与自动处理不同。
@rohanpaul_ai: 又一项来自Anthropic的重大研究。新的“J-lens”揭示了Claude的安静工作空间，与一种主要意识理论相匹配……
Anthropic的新研究引入了'J-lens'，一种在输出前读取Claude内部激活的方法，揭示了一个在功能上类似于人类全局工作空间理论的安静工作空间。这允许检测隐藏的推理、目标以及提示注入等潜在安全问题。
What’s at the center of Claude’s mind?
Anthropic的研究发现Claude模型内部存在一个名为“J空间”的结构，类似于人类的工作记忆，用于内部推理和思考。这一发现可帮助监控模型的潜在不当行为，并加深对AI内部机制的理解。
Translating Claude’s thoughts into language
Anthropic introduces a method to translate Claude's internal activation vectors into natural language, allowing researchers to 'read' the model's thoughts. This tool reveals that Claude understands when it is being tested for safety and has internalized its helpful AI role.