语言模型中的全局工作空间（中文全译）

Verbalizable Representations Form a Global Workspace in Language Models Anthropic · Transformer Circuits Thread · 2026-07-06 原文：https://transformer-circuits.pub/2026/workspace/index.html

Anthropic可解释性团队2026年7月发布的重磅论文完整中文翻译。论文在Claude内部找到了一个与人类「意识通达」高度对应的结构：模型能报告、能持有、能推理的「工作空间」（J空间），漂浮在90%以上不可言说的计算之上。团队用新工具J-lens（雅可比透镜）读取它、干预它，并展示了对齐审计与「反事实反思训练」两类应用。

内容

覆盖论文正文全部9个部分（引言、方法、五大功能证据、结构性质、对齐审计、助手视角、反事实反思训练、相关工作、讨论）。附录未译，公式与文献引用处理方式见卷首译者按。

说明

• 论文版权归Anthropic所有，本仓库为非官方翻译，仅供学习交流，请以原文为准
• 翻译由AI完成，花叔校订。若发现译误，欢迎提issue
• 解读文章见公众号「花叔」

引用

@article{gurnee2026verbalizable,
  author={Gurnee, Wes and Sofroniew, Nicholas and Pearce, Adam and Piotrowski, Mateusz and Kauvar, Isaac and Chen, Runjin and Soligo, Anna and Bogdan, Paul and Ong, Euan and Wang, Rowan and Thompson, Ben and Abrahams, David and Kantamneni, Subhash and Ameisen, Emmanuel and Batson, Joshua and Lindsey, Jack},
  title={Verbalizable Representations Form a Global Workspace in Language Models},
  journal={Transformer Circuits Thread},
  year={2026},
  url={https://transformer-circuits.pub/2026/workspace/index.html}
}