Anthropic 最近在其 Claude 模型内部发现了一个此前从未设计或预料到的结构 —— J 空间（J-space）。这一内部区域类似于模型中共享的“认知工作区”。
这项于 7 月 6 日公布的研究，标志着理解大语言模型内部机制方面迈出了重要一步。
Claude 的 J 空间到底是什么？
所谓 J 空间，是 Claude 模型内部用来收集和共享关键信息的区域。可以把它简单理解为 AI 内部的一块“白板”。
每当 Claude 回答问题、解答难题或执行指令时，核心细节都会在这个共享空间中呈现，方便模型的不同部分调用与处理。
Anthropic 通过一项名为“J-lens”的研究工具发现了 J 空间。该工具能帮助研究者追踪信息在 Claude 执行任务时的流动路径。研究显示，J 空间是在训练过程中自发形成的，而非 Anthropic 主动设计的。
这一理念与神经科学中的“全局工作空间”理论颇为相似。
在人体大脑中，该理论描述了重要信息如何在不同认知模块间实现同步与共享。例如，当人类听到一个问题、回忆一个事实并做出回答时，相关信息就会共同作用于最终决策。
Claude 似乎也实现了类似机制。Anthropic 发现，只要提出相关问题，Claude 就能描述其 J 空间中的内容，并能根据指令主动调整这些内容。
更值得关注的是，研究人员如果直接修改 J 空间，Claude 的回答结果和任务表现也会随之发生变化。
这项发现对 AI 安全性与可解释性有何意义？
这一发现对 AI 安全具有重要意义。如果研究人员能监测 J 空间的活动，就有望揭示模型行为背后潜在的动机，从而更高效地发现并定位异常风险。
这其中也包括安全攻击的检测。通过监控 J 空间，可以发现模型是否正在处理试图劫持其输出的提示注入攻击。此外，即便只是对这种 “意识” 处理层的部分窥探，对于该领域来说都是具有重要意义的进展。
不过，目前这一技术的适用范围依然有限。Claude 绝大多数信息处理过程仍完全发生在 J 空间之外。
值得注意的是，Anthropic 已开源了 J-lens 工具的实现，并发布了 Neuronpedia 演示，邀请更广泛的研究社区进行测试与验证。
订阅我们的 YouTube 频道，观看业内领袖与记者带来权威解读与深度分析。
这一成果建立在长期研究的基础之上。Anthropic 曾于 2025 年 10 月发布有关自发性自省意识的报告，并于 2025 年 4 月启动模型福祉相关计划，持续深入探索模型内部机制。
但有一个关键前提需要明确：Anthropic 强调，这项研究并不意味着声明 Claude 拥有意识或主观体验。论文所用 “可被意识访问的信息” 的表述，仅是借用现有术语，并未实际赋予模型意识属性。
