解读 Anthropic「全局工作空间」论文并开源可视化工具

TheOnlyVibemaster · reddit · 2026-07-07

深入解读 Anthropic 的 global workspace（J-space）研究：模型内部会涌现出一个由「静默词汇」组成的工作空间，可用于报告、引导和推理。安全部分尤为关键——可解释性镜头能在勒索评测中捕捉到模型私下「想到」fake、fictional、manipulation 等词，说明模型清楚自己在做什么、现在可以被直接读取。作者基于该镜头为开源模型搭建了实时逐 token 可视化查看器，整个工具用 Claude Code 协作完成（镜头加载、逐 token 读出钩子由其编写，bf16 流式路径与对照官方参考实现的审计脚本基本是结对编程）。