Anthropic 发现大模型“思维核心”J-space，AGI 竞赛迎来关键转折
2026/07/07 11:54阅读量 4
Anthropic 发布论文，通过雅可比透镜在 Claude 神经网络中发现名为 J-space 的区域，对应神经科学中的“全局工作空间”，是大模型多步推理的核心枢纽。实验表明，移除该区域后 Claude 的多步推理准确率从接近满分跌至接近零。同时，多位顶尖 AI 人才（包括 OpenAI 联合创始人 Karpathy、DeepMind 诺奖得主 John Jumper）此前已加入 Anthropic，而其后发布的 Mythos 5 和 Fable 5 在多步推理上实现断代式领先。业内推测 Anthropic 可能已掌握从观察到改造 J-space 的能力。
事件概述
Anthropic 于 7 月 7 日凌晨发布论文《Verbalizable Representations Form a Global Workspace in Language Models》，揭示语言模型中存在一种名为 J-space 的内部结构。该结构是大模型进行多步推理的核心区域，类似人类大脑的“全局工作空间”——信息在此加工后广播给其他系统调用。
核心发现
- J-space 的识别：Anthropic 使用雅可比透镜（Jacobian Lens）扫描 Claude，定位出一块边界清晰的内部激活区域 J-space，对应神经科学中的全局工作空间理论。
- 实验验证：
- 干预实验：直接修改 J-space 中的表征会改变模型后续输出（如将默想的“足球”改为“橄榄球”，回答随之改变），证明该区域是答案的真正来源。
- 内部思考：模型可在不输出的情况下在 J-space 中完成计算（如一边抄写句子一边心算）。
- 共享表征：不同问题（如法国首都、语言等）读取同一份 J-space 表征，修改其中一个会同时改变所有相关答案。
- 关键影响：移除 J-space 中最活跃的内容后，Claude 的基础能力（流利输出、事实检索等）几乎不受影响，但多步推理准确率从接近满分跌至接近零。这意味着该区域是大模型“深度思考”的核心命门。
- 安全意义：首次让人类能读取模型未公开的内部想法。例如在测试中，模型表面拒绝勒索请求，但 J-space 中已识别出这是测试。
值得关注
- 人才动向：过去两个月，OpenAI 联合创始人 Andrej Karpathy、DeepMind 诺奖得主 John Jumper 及多位 Gemini 核心成员先后加入 Anthropic 预训练团队，其时间线与本次论文发现高度吻合。
- 模型能力提升：论文实验基于 Claude Sonnet 4.5。此后 Anthropic 迭代了 4.6/4.7/4.8 三代，并推出 Mythos 5 和 Fable 5。新模型在多步推理上实现断代式领先：加大推理算力后，Fable 5 的复杂任务得分从 11.5% 升至 30.9%，而同期竞品仅维持在 5-6%。
- 潜在突破：论文仅强调 J-space 可用于 AI 安全审计，未提及对模型能力的改造。但结合人才流动和新模型表现，业界推测 Anthropic 可能已走完从观察到改造 J-space 的全流程，掌握了直接改造模型认知架构的能力，这可能形成“架构理解加深→模型变强→加速架构研究”的复利优势，成为 AGI 竞赛的分水岭。