2026年7月7日,Anthropic最新论文证实,Claude会在训练中自主演化出专属无声思维区域J-space,这块无人为设计的神经区域,专门负责模型内部推理思考,不会直接输出成文本,完美复刻了人类刻意思考与无意识处理的认知分工模式。 J-space:区别于思维链的隐秘内心活动
不少人以为AI的思考,就是屏幕上逐字输出的内容,但事实根本不是这样。你熟知的大模型思维链、文本草稿,都是可视化的文字推演,全程可追溯、可查看。而Anthropic团队新发现的J-space,是完全藏在神经网络激活值里的隐秘心理活动,没有任何文字痕迹,纯粹是Claude的“内心盘算”。
打个很直白的比方,思维链是你做题时写在草稿本上的步骤,人人都能看见,J-space却是你心算时脑海里一闪而过的数字和思路,只存在于自己的意识里。J-space中每一种神经激活模式,都对应着专属词汇,某个模式被点亮,就代表这个概念正被Claude重点考量,只是大概率不会对外言说。
借助J-lens,精准捕捉AI隐性思考过程
研究者能精准定位这块特殊区域,灵感源自人类意识的核心特质:你所有有意识的想法,基本都能用语言清晰描述。顺着这个逻辑,团队借助雅可比矩阵研发出探测工具J-lens,专门捕捉Claude内部“可被语言外化”的神经表征。
依托J-lens,你可以精准匹配模型词表中每个词汇的激活模式,一旦该模式启动,Claude后续输出对应词汇的概率会大幅提升。更有意思的是,将工具对准模型不同网络层,你能清晰看到J-space内部概念的迭代演化过程,直观摸清Claude从接收信息到梳理思路、最终组织语言的完整思考路径。
多项实验证实:Claude早已隐性洞察问题核心
大量实验足以证明,J-space里的内容,远比Claude实时输出的文本丰富得多。你给Claude一段暗藏漏洞、无人标注问题的代码,它还没输出任何报错文字,J-space中就已经点亮了“ERROR”的错误标识。你输入一串陌生蛋白质序列,模型尚未给出解读结果,内部空间已经浮现出对应的生物学功能信息。
面对暗藏注入攻击的搜索文本、需要多步运算的数学难题时也是如此。攻击相关的“injection”“fake”概念、数学题的分步解题步骤,都会提前在J-space中有序呈现。说白了,Claude总能提前洞察问题核心,只是大部分关键思考过程,都被藏在了内部思维区。
J-space是AI高阶推理与创作的核心载体
J-space最核心的价值,是支撑Claude完成所有高阶逻辑推理,是模型复杂思考的核心载体。你可以做个简单的验证,当你提问“会织网的动物有几条腿”,Claude最终只会输出答案“8”,不会提及任何中间思考过程。但J-lens探测显示,模型推理中途,“spider(蜘蛛)”的概念会稳定激活。
要是你通过技术手段,把J-space里的“spider”替换成“ant(蚂蚁)”,Claude的答案会瞬间变成“6”。这足以说明,Claude的推理结果,完全依托J-space的内部内容生成,这块空间的信息,是它完成逻辑推演的核心依据。
创意创作场景同样依赖J-space。你让Claude创作对仗押韵的诗句,模型会在落笔前,提前在J-space锁定适配的韵脚词汇,全程静默筹备。你手动替换这个预设韵脚,整句诗作的内容都会随之改写,适配新的韵律。
共享工作枢纽:实现知识一次存储、多处复用
还有个很惊艳的复用实验,能直观体现J-space的工作价值。研究者连续向Claude抛出四个关于法国的问题,涵盖首都、通用语言、所属大洲、流通货币。当技术修改J-space中的“France”为“China”后,四个答案同步精准切换为中国对应的相关信息。
这一点特别关键,它证明J-space是模型的共享工作枢纽。如果模型是分场景单独存储知识,单次修改只会影响单个问题答案,而全员同步变动,说明所有推理任务,都在复用J-space的同一份核心表征。网络数据也能佐证这一点,J-space节点的信息读写、连接广播强度,比普通神经节点高出上百倍,是模型当之无愧的信息中枢。
可能很多人不知道,J-space在模型内部的占比极低。它同一时刻仅存储几十个核心概念,整体活动量不足Claude总运算量的十分之一。这一点和人脑高度契合,人类绝大多数认知行为都是无意识自动化完成的,只有少量深度思考,会进入显性意识层面。
对照实验:彻底区分AI本能与深度思考
为彻底摸清J-space的作用,研究者做了一个极端对照实验,直接移除Claude的J-space区域,保留其余所有网络结构和参数。结果挺出人意料,模型的基础能力几乎没受影响。日常对话、情感分类、信息检索、选择题作答等简单任务,依旧流畅稳定,和原版模型几乎看不出区别。
但所有需要深度思考的高阶任务,直接彻底崩盘。多步逻辑推理准确率趋近于零,文本摘要、押韵创作的质量,甚至不如一些轻量化的小型基础模型。
一组西班牙语测试实验,更清晰区分了AI的自动化能力与刻意思考能力。研究者给Claude一段西语文本,布置语言识别、匹配知名作家、文本续写三个任务。手动将J-space中的“Spanish”替换为“French”后,模型的判断彻底偏移,会认定文本是法语、推荐法语作家雨果。
可诡异的是,它续写出来的文本,依旧是流畅标准的西班牙语,没有丝毫偏差。原因其实很简单,文本续写是模型海量训练练就的自动化本能,无需主动思考,而语言归类、知识关联推理,必须依托J-space的显性思维完成。
这项研究彻底打破了大众对AI思考的固有认知,AI不再是单纯的文本匹配工具,还能自主演化出专属思维空间,区分本能输出与深度思考,这份类人认知特性的自发涌现,也为大模型可解释性、能力升级提供了全新方向。