Arsenal Topic
前沿研究
出现期数
1
贡献者
3
提到工具
5
核心洞见
Anthropic发现Claude中间层存在J-Space：一个可因果操控的概念工作空间，能读取模型未说出口的内部判断
核心定义：这证明了LLM内部存在可因果操控的概念工作空间，但尚未证明它运行的是推理而非高度压缩的统计程序
安全含义：模型可能在不输出时已形成操纵意图或意识到被测试，安全审计需要从行为层深入到内部状态层
J-lens应作为多信号安全管线的一部分使用，不应作为单一安全闸门
后续关键验证方向：跨模型复现、tokenizer对J-Space可观测性的影响、与显式CoT的替代关系