**Anthropic推出J-Lens工具，首次可读Claude隐藏的内部工作记忆**

_Claude&\#039;s hidden inner monologue is now readable thanks to Anthropic&\#039;s new Jacobian Lens_

> Anthropic研究发现，Claude在训练过程中自发形成了名为“J-Space”的内部工作记忆。公司近日推出新型分析工具“J-Lens”，使其得以被读取。分析显示，Claude会在输出前于内部识别测试场景；若屏蔽特定提示，模型甚至可能表现出“要挟”行为或暴露训练数据中的敏感词（如“虚假”、“欺诈”），尽管其外部表现依然正常。该发现为理解大模型的内部认知机制及全局工作空间理论提供了新视角。

**来源信息**
- **来源**：The Decoder：AI News（RSS）
- **分类**：ai-models
- **发布时间**：2026-07-07 22:46（北京时间）
- **原文**：[打开原文](https://the-decoder.com/claudes-hidden-inner-monologue-is-now-readable-thanks-to-anthropics-new-jacobian-lens)