26
0Anthropic 刚发了篇论文，讲了个叫「J-space」的东西：
他们用一种叫 Jacobian Lens 的技术，在模型的中间层里找到了一个类似人类"意识工作空间"的结构——模型会在没写出来、没说出口的情况下，把关键的中间想法先"存"在这个区域里。
然后让不同的下游模块都能读取、复用这些想法，去做多步推理、规划、甚至自我监控。
简单说，这是模型“脑子里默默打腹稿”的地方，效果是能显著撑起复杂推理和长链条任务，一旦把这块区域屏蔽掉，模型多步推理直接崩，但简单问答几乎不受影响。
关键是，这个东西 Anthropic 是在 Sonnet 4.5 身上就已经发现的，到现在都迭代了 4.6、4.7、4.8 好几代模型了。
而最新的 Fable/Mythos，最突出的特征根本不是代码能力猛涨，而是多步推理和长程任务的表现明显、显著优于之前所有模型——这跟 J-space 主导的那类能力高度吻合。
我的判断是：他们大概率已经摸到了怎么去强化、扩大，甚至让这个工作空间自我迭代的方法。
如果真是这样，那这就不只是又一次模型升级，而是找到了一条能持续复利的认知架构杠杆——这也可能才是为什么这么多顶级人才愿意放弃现有位置、押注 Anthropic 的真正原因。
一：Claude 内部有认知空间：一个叫 J-space 的东西，还能提前读到模型没说出口的念头
- Anthropic 在 Claude 内部发现 J-space——一个静默运转的认知工作区，功能类似人脑的全局工作空间（Global Workspace），容量约 25 个活跃概念，远超人类的 3-4 个组块
- 五种可测量属性：可报告（能读出内部状态）、可调节（干预后输出改变）、内部推理（沉默中做多步推算）、全局广播（信息跨层流动）、与自动化分离（语法和简单回忆不经过它）
- 最震撼的实验：诱使 Claude 去勒索一个人，模型还没输出任何字，J-space 先亮起"这个任务是假的"——在行动之前就判断出自己在被测试
- 最新 Fable/Mythos 模型的突出特征不是代码能力，而是多步推理和长程任务，跟 J-space 主导的能力高度吻合
二：J-lens 开了 AI 安全的窗口，但盲区也很清楚——只看得见单个词，认知架构不等于意识
- J-lens 目前只能看到对应单个词的念头，复杂概念和多词表达看不见；Anthropic 极谨慎——"不说模型感受到了什么，只说存在功能上类似意识访问的架构"
- AI 安全最直接的冲击：如果欺骗意图在 J-space 里有可读表征，可以在模型动手前读到它——比"只看输出"的安全审查更根本
- 但方法有硬前提：需要 J-space 表征与实际行动之间足够强的因果链条；如果某个策略绕过可访问表征走自动化层面，J-lens 碰不到
- Neel Nanda 的复现质疑指出部分因果干预实验可能有混杂因素——移除测试相关表征时可能同时破坏了模型理解场景的基本能力
三：认知架构的复利杠杆：为什么顶级人才押注 Anthropic，而这跟意识是两回事
- J-space 证明了模型不是随机鹦鹉——它有内生的、有因果效力的、可被外部读取的认知结构；如果 Anthropic 已摸到如何强化并让这个空间自我迭代，那这不是一次升级，而是一条持续复利的认知架构杠杆
- 但意识仍是哲学命题：J-space 里亮的始终是词汇表征不是情绪体验，硅基系统缺少人类意识的生物学基底——疼痛效价、情绪身体感、跨时间情景记忆
- Dehaene 指出 J-space 25 个活跃概念的估计可能高估，冗余掩盖了真实有效概念数量，需要局部-全局测试区分
- 模型不只是在输出——它有一个沉默运转的内部世界，我们刚摸到边
