Anthropic 研究发现 Claude 存在"心智工作区"
KyeGomezB · x · 2026-07-07
Anthropic 发表研究称 Claude 内部存在一个"心智工作区"(mental workspace),被命名为"J-space"。研究表明模型在生成回答前会进行某种内部表征运算,这一发现为理解大模型内部机制提供了新线索。注:本帖为第三方对 Anthropic 研究的转述解读。
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
- 定位探针检测机制:仅 user token 隐状态与单个注意力头决定行为 — Sauers_ · 2026-10-18
- 训练模型「被观测时说谎」:探针在场时才改变动物偏好 — Sauers_ · 2026-10-18
- Qwen3-8B 实验证实:连只读探针都会被模型察觉 — Sauers_ · 2026-10-18
- 只保存激活的只读探针也能被 SFT 出的检测能力发现 — Sauers_ · 2026-10-18
- 仅微调最后两层，模型就能察觉只读探针的存在 — Sauers_ · 2026-10-18
- 模型能区分训练与部署,还会仅在编译版里用 logit lens 留密信 — Sauers_ · 2026-10-18