Anthropic研究团队在理解大型语言模型内部架构方面取得了突破性进展。在对Claude系列模型进行分析时，他们发现了一种开发者最初并未设计在项目中的结构。这种被称为"J-space"的内部机制，作为一个通用工作空间运作：模型的不同组件会访问它，以交换和处理关键信息。
这项于7月6日发布的研究成果，在解读现代AI系统"黑箱"内部究竟发生了什么方面迈出了重要一步。
什么是J-space，它是如何工作的？
J-space是一个内部虚拟空间，Claude在此收集并传递重要数据至整个模型。最简单的理解方式是将其视为人工智能内部的"虚拟白板"。当Claude回答问题、解决任务或执行指令时，关键信息会出现在J-space中，以便模型的不同部分能够对其进行处理。
研究人员借助一种名为J-lens的特殊工具发现了这一结构。他们观察到信息在模型执行任务时如何在内部移动。关键点在于：J-space是在训练过程中自发产生的——它并非由设计者直接预设。
这一概念与神经科学中的"全局工作空间"理论相呼应。在人类中，该系统使重要信息能够同时被多个思维过程访问。例如，当一个人听到问题、回忆相关事实并决定如何回答时，大脑会将所有必要数据汇集到一处。
Claude以类似方式运作。Anthropic表明，该模型不仅能够根据请求描述J-space的内容，还能在被要求时对其进行修改。此外，当研究人员手动更改J-space时，Claude的回答及其执行任务的行为也会随之改变。
为什么这对AI安全性和可解释性很重要
这一发现对人工智能安全具有重大意义。如果科学家能够追踪J-space的活动，他们就有机会识别AI模型行为中的隐藏动机。借此，可以更有效地标记系统何时开始不可靠地运行。
其中包括识别攻击。监控J-space可以观察到模型何时遭遇prompt注入攻击（在请求中植入恶意指令以劫持模型响应的控制权）。此外，即使只是部分访问这种"有意识"的处理层，也为研究开辟了重要前景。
目前能力仍有限。Claude的大部分信息处理仍在J-space之外进行。尽管如此，Anthropic已开源了J-lens的实现代码，并在Neuronpedia上发布了演示版本，邀请研究社区在实践中验证结果。
这项研究基于一系列早期工作。2025年10月，Anthropic发布了一份关于新兴内省意识的报告。更早之前，在2025年4月，该公司启动了研究模型福祉的倡议，逐步推进对其系统内部运作的理解。
还有一个重要的说明。Anthropic强调，他们并未声称Claude拥有意识或主观体验。该研究使用了认知科学中借用的术语"有意识可访问的"信息——这并不意味着存在真正的意识。
分析师评论：发现J-space不仅仅是一个学术趣闻。对于AI及相关技术市场而言，这是一个信号：神经网络的"黑箱"正逐渐变得透明。监控内部流程的能力直接影响使用AI代理的智能合约和DeFi协议的安全性。我们对模型内部逻辑理解得越深入，就越能可靠地将其集成到关键金融系统中。