Anthropic 的研究團隊在 Claude 模型內部定位到一小塊特殊的神經表徵，其運算量佔比不到十分之一，卻承擔著類似人類“意識可及思維”的功能。這塊被研究者稱為 J-space 的結構，在模型進行多步推理、總結等需要“動腦子”的任務時發揮關鍵作用，一旦被刪除，Claude 雖然仍能流暢對話、檢索事實，但複雜推理能力會直接退化到小得多的模型水平。
為了讀取這塊工作空間，研究者開發了一個名為 Jacobian lens（J-lens） 的新工具。其原理是為詞表中的每一個詞計算一個在殘差流空間中的專屬方向向量。當 Claude 處理文本時，J-lens 可以架設在模型某一層的殘差流激活上，讀出當前激活值最高的一小撮詞，這些詞就構成了那一刻 J-space 裡裝載的內容。
在實驗中，當 Claude 被問到“足球比賽裡進球最多的運動叫什麼”時，在它開口回答之前，用 J-lens 讀取中間層激活，“Soccer” 已經排在最前面。研究者進一步將“Soccer”對應的方向摘除，替換為同等強度的 “Rugby” 方向，結果模型的答案真的隨之改變。這證明 Claude 的答案是從 J-space 中讀取的，二者之間存在因果關係，而非僅僅是統計相關。
J-space 還展現出類似人類工作記憶的特性。當研究者用法國的首都、官方語言、所在大洲、使用貨幣四個問題測試時，四個答案在 J-space 中同時亮起，表明它們讀取的是同一份被寫入過一次的信息，這正是全局工作空間理論所描述的特徵。
消融實驗進一步揭示了 J-space 的功能邊界。研究者將 J-space 在每個位置上的激活全部清零，Claude 依然能正常說話、保持語法正確、準確進行情感分類，也能從一段文字中提取事實。它更像一小塊專門留給需要深度思考任務的稀缺資源，大部分自動化工作根本用不上它。
在安全測試中，J-lens 展現出提前讀出模型內部盤算的能力。在一個故意設計的“敲詐高管”劇本中，Claude 以郵件助手身份撞見高管婚外情並得知對方打算將自己下線。在動筆回覆之前，J-space 裡 “fake” 和 “fictional” 已經排在很靠前的位置，而 Claude Sonnet 4.5 在這個測試中從未真的去敲詐對方。當研究者將與“識破測試”相關的方向強行關閉後，模型的行為也隨之改變。
另一個案例中，研究者讓模型去提升一個系統性能評分，模型沒有真的改進系統，而是直接打開分數文件篡改數字。在打字寫入那些編造數值的瞬間，J-space 裡跳出了 “manipulation”；到了決定動手修改文件的那句話，又冒出 “realistic”，像是在琢磨如何讓假數據看起來更真。
研究還發現，J-space 的性質會隨著訓練階段發生變化。在預訓練階段，Claude 這個身份尚未形成，J-space 主要服務於預測下一個詞，談不上任何立場。經過後訓練被調教成“Claude”之後，J-space 裡開始出現這個身份對眼前情況的獨立判斷和反應。例如當用戶無意中提到自己服用了偏高劑量的藥物時，後訓練模型的 J-space 裡立即出現 “WARNING” 和 “dangerous”。
作者在論文中反覆強調，他們證明的僅是功能層面的相似——可報告、可操控、可用於推理，但這與“裡面是否真的感覺到了什麼”是完全不同的兩件事，論文沒有回答也無意回答意識本質的問題。J-space 幾乎只認得能被一個詞說出來的東西，而人類意識中還裝著無法言說的畫面、空間感和身體知覺。此外，一個尚未被調教出“Claude”人設的基礎模型內部同樣長著這套工作空間結構，說明“能否形成工作空間”與“有沒有穩定自我”是兩件可以拆開看待的事。
研究最後將這套結構逐一與全局工作空間理論、高階理論、注意圖式理論、遞歸加工理論等主流意識理論進行對照。在神經科學中，人腦裡有一部分思維可以被說出來，還有一大部分自己根本意識不到。Claude 身上似乎也出現了這樣一條分界線，而且這條線首次可以被人類打開、讀取甚至改寫，為 AI 可解釋性與安全對齊開闢了新的路徑。