Anthropic可解释性团队正式发布语言模型J空间完整论文
wesg52 · x · 2026-07-07
Anthropic可解释性团队正式发布关于语言模型「J空间」（Judgment Space）的完整研究论文。J空间是模型激活中的小型子集，能反映模型内部状态、情感、隐性思考和安全感知，独立于输出token之外存在。该研究揭示了模型在「可报告认知」与「隐性内部处理」之间存在系统性区分，为AI可解释性和安全研究开辟了新方向。论文由Jack Lindsey、Nick Sofroniew等人与Anthropic可解释性团队共同完成。
所属事件:Anthropic发现Claude内部存在全局工作空间(102 条相关)→
「研究」频道最新
- TRACE 开源：8 小时单卡把 G1 控制器迁移到全尺寸人形 H2 — zhengyiluo · 2026-10-18
- 融资超30亿美元的人形机器人热背后：拆解驱动机器人的 VLA 模型 — scottleibrand · 2026-10-18
- 陶哲轩称「进入战时状态」：OpenAI 宣称求解纳维-斯托克斯问题震动数学界 — AlexTensor · 2026-10-18
- 东京大学研究：听到录音里的自己为何别扭，或因声音恐怖谷效应 — ssh4net · 2026-10-18
- MIT SANDO 无人机规划器:12 次真实飞行全部避开移动障碍 — Olivier__OG · 2026-10-18
- 受可解释性论文启发，无反传预训练 reportedly 提速 2.3 倍 — CatAstro_Piyush · 2026-10-18