Claude的内部架构：Anthropic发现了一个自发形成的“全局工作空间”
研究团队Anthropic在理解大型语言模型内部运作方面取得了突破性进展。在分析Claude架构的过程中，发现了一种开发人员最初并未设计在项目中的结构。这种内部机制被称为"J-space"，它像一个通用工作空间，模型的不同组件都会访问它。
什么是J-space，它是如何工作的？
J-space是一个虚拟的"白板"，Claude在这里收集并在其模块之间传递关键信息。当模型回答问题或执行指令时，关键数据会出现在这个空间中，以便神经网络的不同部分能够与之交互。本质上，这类似于认知科学中所谓的"全局工作空间"——一种描述人脑如何整合来自不同感官和思维过程数据的概念。
研究人员通过一种名为"J-lens"的特殊工具发现了J-space，该工具使他们能够实时观察模型内部的信息流动。令人惊讶的是，这种结构是在Claude的训练过程中自发形成的——它并非由工程师直接编程。此外，实验表明，当手动修改J-space的内容时，模型的回答及其在执行任务时的行为也会发生变化。
为什么这对人工智能安全至关重要？
这一发现对人工智能的安全性和可解释性具有重大意义。追踪J-space活动的能力为识别模型行为中的隐藏动机开辟了道路。我们获得了一种检测提示注入攻击的工具——当恶意指令被植入请求中以劫持回答控制权时。
此外，部分访问这个"有意识"的信息处理层为研究创造了新的前景。Anthropic强调，"有意识可访问信息"这一术语借用于认知科学，并不意味着Claude具有意识或主观体验。然而，我们能够窥探神经网络的"黑箱"并看到它如何处理请求这一事实本身，就是一个巨大的进步。
该公司已经发布了J-lens实现的源代码，并在Neuronpedia平台上提供了演示版本，邀请科学界在实践中验证结果。这项研究基于Anthropic一系列早期工作，包括关于涌现内省意识的报告（2025年10月）以及研究模型福祉的倡议（2025年4月）。
专家观点：发现J-space不仅仅是学术上的奇闻。对于加密货币和DeFi市场而言——人工智能代理越来越多地用于数据分析和交易自动化——能够"窥探模型内部"意味着新的控制和安全水平。如果我们能够追踪人工智能如何做出决策，我们就能预防可能造成数百万美元损失的操纵和错误。这一发现使Claude不仅变得更强大，而且成为一个更透明的工具。