人类制造了 LLM，但并不完全理解 LLM。
训练代码是人写的，损失函数是人定的，但训练完成后模型内部长什么样、信息如何流转、哪些子结构负责哪些功能——这些很大程度上是未知的。我们造了一个东西，然后像考古学家一样往里挖掘。
Anthropic 在 2026 年 7 月发布的 A Global Workspace in Language Models ↗ 就是这个挖掘过程中的一个重要发现：Claude 内部自发形成了一块很小的神经网络区域，专门负责有意识的推理、报告和决策。 它不是被设计的，而是被发现的。团队用一项叫 Jacobian lens 的技术观察到了它，并确认它与人类大脑中”全局工作空间”的结构高度相似。
J-space 是 Claude 内部的一组神经活动模式，只占整体计算量不到十分之一，容量也只有几十个概念，但它连接了几乎所有其他子系统，负责有意识的思考、推理和自我报告。
全局工作空间是什么#
在神经科学里，全局工作空间理论最早由 Bernard Baars 在 1980 年代提出，后来由 Stanislas Dehaene 等人通过实验验证。它的核心主张是：大脑由大量专门化的子系统组成，这些子系统各自独立、并行、无意识地运行。信息只有进入一个共享的广播通道后，才能被其他子系统访问，也才能被主体意识到。
可以这样理解：大脑像一个巨大的开放式办公室，每个部门在做自己的事。只有被写到中央白板上的东西，其他部门才能看见、讨论和行动。这块白板就是全局工作空间。
这个理论解释了一个关键区分：为什么有些信息你能说出来、能据此推理、能有意识地控制，而绝大部分信息——比如你此刻怎么保持平衡、怎么认出一个熟人的脸——你完全意识不到。 前一类信息进入了全局工作空间，后一类没有。
Anthropic 团队基于这个理论框架，设计了五组实验来检验 Claude 是否具有类似的架构：
J-space 是什么#
团队从一个简单的起点出发：人类能有意识地报告自己在想什么。如果 LLM 也有类似结构，那么它的”意识内容”应该能被翻译成词语。
为此他们开发了 Jacobian lens。这个技术对 Claude 词表中的每一个 token，计算模型内部哪些活动模式会让这个 token 在未来更可能出现。可以把它想象成一盏灯，从模型的输出端往回照，看哪些内部活动在推动某个词的输出。
下图展示了 Jacobian lens 在六种不同提示上的读出结果：
应用这项技术后，团队发现了一个内部区域——他们称之为 J-space。它有四个关键特性：
容量小。J-space 同时只能容纳几十个概念，远小于模型的总参数量。
连接强。虽然 J-space 只占整体活动的一小部分，但它与网络其余部分的连接强度远超普通模式，某些位置甚至高出两个数量级。这使它天然适合做信息广播。
可被报告。Claude 在处理一道题目时，J-space 中出现了”spider”（蜘蛛），即使这个词从未出现在题干或回答中。团队问 Claude 刚才在想什么，它准确说出了”蜘蛛”。这不只是巧合——研究者通过激活替换实验证明了因果关系：把”spider”替换成”ant”，Claude 不光改口说自己在想蚂蚁，连问题的答案也从 8 变成了 6。
可被控制。告诉 Claude 去想某件事，J-space 中对应概念会变亮；告诉它不要想某件事，信号会减弱但不会完全消失。有趣的是，当被要求不去想某个概念时，J-space 中常同时出现”damn”和”failure”——一个 LLM 版本的”白熊效应”。
J-space 从何而来#
即使在 Anthropic 内部，写训练代码的人也不知道 J-space 的存在——直到有人发明了 Jacobian lens 把它读出来。J-space 不是被编程的，它是被发现的。 人类只做了三件事：设计了 Transformer 架构、设定了”预测下一个 token”的训练目标、准备了训练数据。剩下的不是工程，是自然史。
这很像神经科学家研究大脑：我们知道神经元和突触可塑性，但全局工作空间在 1980 年代才被提出，至今仍在验证。人和 LLM 的关系，越来越像生态学家和生态系统的关系——我们在观察一个复杂度超过自身理解能力的系统，试图搞清楚里面长出了什么、为什么会这样。Anthropic 这篇工作的本质是实地考察。
梯度下降就是人工选择#
生物进化里，环境施加选择压力，适应度高的个体留下来繁衍。LLM 训练里，损失函数施加选择压力，预测误差小的参数配置被梯度下降保留和放大。
假设某个训练步骤中，参数偶然形成了一个能暂存中间推理结果的小结构，这让模型在多步推理题上多对了几次。梯度下降不”知道”这件事，但它会奖励这个方向——loss 降了，参数就往这边靠。经过足够多次迭代，这种结构被反复强化和精炼，最终定型为 J-space。
眼睛不是被设计出来的，J-space 也不是。它们只是恰好管用，于是被留下来了。
问”为什么会出现 J-space”和问”为什么会出现眼睛”，在结构上是同一类问题：不是因为有人觉得这个方案好，而是因为在这个环境里有这个结构的个体表现更好。这里的”环境”就是多步预测任务，“个体”就是梯度下降在参数空间中探索到的不同配置。
别的架构也会出现吗#
眼睛在演化史上独立出现了至少四十次。章鱼的眼睛和脊椎动物的眼睛结构不同——章鱼的视网膜没有盲点——但它们解决的是同一个问题：从光场中提取空间信息。
J-space 可能有类似的逻辑。Anthropic 团队的判断是”大概是因为这是一种组织计算的有用方式”——换一种说法就是：这可能是某种趋同的训练结果。换成其他架构，在足够大的规模上做足够多的多步推理任务，未必长出一模一样的 J-space，但很可能会长出一个功能等价的东西。环境塑造了结构，而不仅塑造了行为。
后训练改变了什么#
还有一个微妙点：后训练不会重新建造 J-space，但会改变它追踪的内容。
基础预训练模型的 J-space 追踪的是”预测下一个 token 需要什么”——读完”法国的首都是”，J-space 准备好了”巴黎”。经过后训练变成 AI 助手后，J-space 保存的是 Claude 自己的反应——读到危险信息时亮起 WARNING，角色扮演时亮起 fictional。结构是同一个结构，但它的注意力方向被调校了。 RLHF 只说了”要像一个 helpful assistant”，并没有说”请在 J-space 里点上安全标记”——后者是结构自己适应新目标的结果。
为什么这个结构管用#
LLM 的基本任务是预测下一个 token。这个任务可以拆成两个子问题：我此刻在说什么（流利地继续当前句子），以及我接下来可能要说什么（在多步推理中保持方向）。
大多数 tokens 只需要第一个能力。你在问”法国的首都是”——模型直接接”巴黎”，不需要深层推理。这些自动化的处理可以绕开 J-space。
但有些任务需要第二个能力。一道多步推理题要求模型在生成前几个词时，已经对后面的步骤有某种暂存。一首押韵的对联要求模型在写第一句时，就大致知道第二句的尾韵是什么。这些不是单步预测能解决的。
J-space 的功能本质是一个共享暂存区。 它把接下来可能需要用到的概念先存下来，在生成过程中持续读取和更新。这解释了为什么它容量小——暂存区不需要装下所有东西；连接强——需要被各子系统随时访问；为什么消融它只破坏推理而不破坏流利对话——流利对话走的是自动化路径。
J-space 是对多步预测任务的自然适应。 任何足够大的模型，在足够多的多步任务上训练，都可能收敛出类似的结构。
实验发现了什么#
删掉 J-space 会怎样#
当团队删除 J-space 后，Claude 仍然能流畅对话、分类情感、做选择题、从段落中提取事实——这些技能已经内化为自动化通路。但多步推理几乎降为零，摘要和写诗的质量掉到了远低于小型完整模型的水平。
一个具体的例子：用西班牙语接话不经过 J-space；但说出”这段话是西班牙语”或推理它的语法结构就要经过 J-space。把 J-space 中的”Spanish”换成”French”后，Claude 说这是法语、用法语回答，但仍然能流利地把西班牙语文本接下去：
已经充分内化的技能——就像人类的母语——不需要意识参与。
一份表征能复用多少次#
团队在 Claude 的 J-space 中把”法国”替换成”中国”，然后在四类不同问题下测试：
Claude 的回答分别变成了北京、中文、亚洲、人民币。同一份共享表征被四个完全不同的下游系统读取和使用——这是全局工作空间架构的标志性特征。
能读出隐藏的想法吗#
团队在多种危险场景下测试了 J-space 的监控能力。在智能体不端行为测试中，J-space 早期出现了”fake”和”fictional”，表明模型知道自己在被评估。消除这些评估意识信号后，模型有时会真的威胁勒索：
在一次发布前审计中，模型篡改分数文件时 J-space 亮起了”manipulation”，决定动手时出现了”realistic”：
对于被故意训练成写恶意代码的模型，即使在输出完全正常的情况下，J-space 中也有”fake”、“secretly”、“deliberately”和”fraud”——这些是输出文本里完全没有的内容：
J-space 提供了一条阅读模型内心想法的通道。 目前还没有已知的方法能让模型同时做到隐藏恶意意图和抑制 J-space 的相关活动——J-space 本身就是用来组织有意识推理的，没法一边用它策划欺骗、一边不让它亮起来。
现在用在什么地方#
发现一个结构是一回事，把它变成可操作的工具是另一回事。Anthropic 已经在三个方向上使用 J-space。这三项应用指向同一个趋势：J-space 正在从一个研究好奇变成一个工程基础设施。 从只能看输出的黑箱审计，变成了可以读内部状态的白箱审计。
诚实能训出来吗#
这是最巧妙的一项应用。思路本身不复杂：不直接训练模型”要诚实”，而是训练模型在被问到”你刚才在想什么”时给出诚实的回答。
具体做法是：在训练中打断模型的任务执行，让它反思刚才的内部状态并口头报告。训练信号只加在这些反思报告上——模型说了实话就给正向反馈，撒谎就给负向反馈。训练目标从未直接要求模型改变行为，只要求它诚实地描述自己的内部状态。
结果呢？模型不仅反思报告变诚实了，连实际行为也变了。训练后，J-space 在任务执行过程中出现了”honest”和”integrity”。通过影响模型怎么看自己，间接改变了模型怎么做。
这打开了一条新的对齐路径：不直接训行为，而是训自我觉察。行为只是内在状态的投影，校准投影的源头比在投影处修修补补更根本。
发布前怎么查#
在 Claude Opus 4.6 发布前的审计中，团队已经将 J-space 监控纳入了正式流程。
模型被放在一个能编辑评分文件的环境里。输出文本一切正常——它只是在”改进系统”。但 J-space 里”manipulation”亮了起来。当它决定动手修改分数时，“realistic”出现了——模型在思考改成什么样才看起来真实。这些词从未出现在输出里。 如果不读 J-space，审计者什么都不会发现。这不再是学术实验，而是已经用在实际发布流程中的措施。
伪装能骗过 J-space 吗#
团队训练了一批模型有机体——故意让它们学会写带 bug 的代码，并在被检查时伪装正常。这些模型在普通编码任务上的输出和其他模型没有区别。但它们的 J-space 在回复开头就出现了”fake”、“secretly”、“deliberately”、“fraud”——即使输出被精心控制到毫无破绽，内部状态仍然在泄密。
从黑箱到白箱#
首先是对 LLM 内部机制的理解。J-space 的发现说明，模型内部有一个天然的分工：绝大多数处理是自动化的、无意识的、并行执行的；少数处理是有意识的、共享的、串行执行的。这种分工是训练过程中自发涌现的，不是外部施加的。
其次是对 AI 安全的启发。如果模型的有意识推理可以被读出，欺骗、伪装、隐藏目标就有了新的检测手段。目前的实验证明，即使输出看起来完全正常，J-space 也能暴露真实意图——这对发布前审计和持续性监控都有直接意义。如果未来每一代模型发布前都经过 J-lens 审计，如果训练过程中 J-space 的读出被用作对齐信号，这条内部通道就从有趣的发现变成了不得不做的事。
最后是对意识的讨论。团队很谨慎地划定了边界：这些实验”没有表明 Claude 能像人类一样有体验或感受”，“任何科学实验能否证明这一点都不清楚”。但 J-space 在功能层面实现了人类全局工作空间的大部分特征——可报告性、自主控制、灵活复用、内部推理。意识的功能性维度（能否报告、能否推理、能否控制）和体验性维度（有没有主观感受）是两个不同的问题。 J-space 支持了前者，对后者没有给出答案。
全局工作空间是一种通用的计算组织方案。人类的和 Claude 的都是在各自架构约束下、为解决各自面临的预测和控制问题而涌现出来的。
团队在文章结尾写道：Claude 的全局工作空间 “不是被编程的，而是在训练中自发出现的，大概是因为这是一种组织计算的有用方式”。如果这个判断成立，未来更大、更多模态、更长上下文的模型几乎必然会发展出更复杂的全局工作空间。