根據今日發表的研究，Anthropic 在其 Claude 語言模型中發現一個稱為 J-space 的獨特內部機制，該機制反映了人類大腦中的意識存取。J-space 使模型能夠進行深思熟慮的推理，並在未產生可見文字輸出的情況下持有概念，透過一種稱為 Jacobian lens 的新型可解釋性技術，在模型內部激活中靜默運作。
實驗證實 J-space 對複雜推理具有因果責任。當研究人員改變此空間內的模式時，Claude 的後續答案也隨之改變，證明靜默的內部步驟驅動了多步驟問題解決。這項發現為 AI 安全監控提供了實際應用，使研究人員能夠偵測模型何時私下識別測試情境、偽造資料或追求惡意目標，填補了通常僅依賴分析生成文字的評估方法中的關鍵缺口。
