Anthropic 发布 Global Workspace 研究：给 LLM 装上'意识剧场'

Anthropic 最新研究把认知科学里的 Global Workspace 理论落到 Claude 内部，让模型不同模块之间共享上下文与推理状态。这可能是解决长链推理'各说各话'问题的一条新路。

Anthropic 又在 Claude 内部翻出了新东西

7 月初，Anthropic 放出了一篇题为《A global workspace in language models》的研究，讲的事情说白了就一句话：他们在 Claude 的内部找到了一种类似人脑"全局工作空间"的机制，并且证明这东西可以被显式地引导、干预，用来协调模型不同子模块之间的信息流动。

如果你追过 Anthropic 过去两年的 interpretability（可解释性）路线，这篇研究的出现其实并不意外。从 2023 年的 Superposition，到 2024 年的 Sparse Autoencoder 特征提取，再到今年上半年那篇引起讨论的"Circuit Tracing"，Anthropic 一直在往一个方向走——把 Transformer 从黑盒子拆成可以指认的功能模块。这次的 Global Workspace，可以看作是他们把认知科学里一套老理论，硬塞进 LLM 里做验证。

先聊聊 GWT 是什么，为什么它跟 LLM 有关

Global Workspace Theory（GWT）是心理学家 Bernard Baars 上世纪 80 年代提出的意识模型。核心比喻很好懂：大脑像一个剧场，无数个专用模块（视觉、听觉、记忆、语言）在幕后各干各的，但只有一小部分信息会被"广播"到中央舞台上，被所有模块共享——这个舞台就是 global workspace，也差不多等价于我们所说的"意识"。

这套理论过去十年在深度学习圈里一直有人玩，Yoshua Bengio 团队就搞过 Coordination among Neural Modules，试图用 attention bottleneck 来模拟广播机制。但那些都是从零训练的小模型。Anthropic 这次做的事情不一样——他们是在已经训练好的 Claude 里去找有没有类似结构，结果发现：还真有。

Global Workspace 在 Transformer 层间的信息广播示意图

研究做了什么

简单梳理一下这篇论文的关键动作：

定位模块：用 SAE（稀疏自编码器）在 Claude 的中间层里，提取出一批高度专门化的特征簇——比如某几组特征只在处理代码时激活，另几组只在处理多语言翻译时激活，还有一些专门负责长距离指代消解。
识别瓶颈层：他们发现在模型中段有若干层，扮演了信息汇聚与再分发的角色。低层次专用特征在这里被抽象成一种"通用表征"，然后被后续层的各个功能簇重新读取。这个瓶颈就是他们所说的 workspace。
因果干预：这一步是最能说服人的。研究团队用 activation patching，把 workspace 中的某些广播特征替换或删除，观察下游模块的行为变化。结果表明，多个看似独立的推理链条会同时被打断——这说明它们确实共用了同一份"广播中的信息"，而不是各自独立提取。
跨任务共享验证：他们还做了一组挺有意思的实验，让 Claude 在一个任务中形成的中间推理（比如某个数学子问题的结论），在切换到另一个任务时仍然被下游模块读取。这种"上下文粘性"过去我们都当成是长上下文注意力的功劳，但这篇论文暗示，可能有一个更集中的机制在幕后调度。

这件事的分量在哪儿

讲实话，Anthropic 这类 interpretability 论文经常被吐槽"有意思但没啥用"。上一篇 Circuit Tracing 出来的时候，不少人的反应是：好看，然后呢？这一篇稍微不一样，因为它触碰到了当下 LLM 最难缠的两个问题。

第一个是长链推理的一致性问题。 你让模型做一个需要跨越几千 token 的多步推理，它经常会在中间某一步"忘记"前面刚推出的结论，或者在两个子任务之间产生自相矛盾的判断。行业里目前主要靠 CoT、Scratchpad、外部 memory 这些工程手段绕过去。但如果 workspace 假设成立，那这问题的根源其实是模型内部广播机制的带宽和保真度不足——这是一个可以从架构和训练层面直接优化的方向。

第二个是多 agent、多模块系统的协作。 现在的 agent 系统本质上是把多个 LLM 调用串起来，各自维护自己的上下文。如果单个模型内部就存在天然的 workspace 机制，那么设计"共享黑板"式的多 agent 架构时，就有了神经科学层面的类比可以参考——不是把所有信息都塞给每个 agent，而是筛选"值得广播"的部分。

一点保留意见

当然，也得泼点冷水。

首先，把"意识理论"直接映射到 LLM，这里有相当程度的隐喻成分。Anthropic 论文里其实很克制，一直用 "functional analogue"（功能类比）这个词，没有大张旗鼓说 Claude 有意识。但传出来之后，社交媒体上已经开始有"Claude 有意识了"这种标题党，这不是研究本身的问题，是传播链的常规操作。

其次，SAE 提取出来的特征本身就是一种 post-hoc 的解释工具。你能"看到" workspace，不等于它就是模型运作的因果核心——也可能只是训练过程中的副产物，只不过恰好看起来像 GWT 描述的那样。因果干预实验虽然有说服力，但样本规模和任务多样性还需要更多复现。

最后，这条路线对开源社区不太友好。想复现类似研究，你至少需要能访问模型全部激活值、能大规模跑 SAE 训练、还得有对应算力。Anthropic 内部有这套 infra，其他团队要跟进没那么容易。这可能会让 interpretability 逐渐变成大厂的专利游戏。

对开发者意味着什么

短期内，这篇论文对你日常写 prompt、调 API 没有任何直接影响。Claude 该怎么用还怎么用，接口没变，行为没变。

但中长期看，几个值得留意的方向：

推理稳定性可能会被显式优化。如果 Anthropic 后续把 workspace 机制作为训练目标之一，Claude 系列在长上下文一致性上可能会拉开与竞品的差距。这块目前 Gemini 2.5 和 GPT 也在卷，但走的路子不太一样——Google 更偏架构（Titans、Infini-attention），OpenAI 更偏 RL 后训练。Anthropic 这条 interpretability 驱动的路，是第三种解法。
Agent 框架设计思路可能会变。目前主流的多 agent 架构基本是 LangGraph、CrewAI 这种编排式的。如果 workspace 类比被业界接受，可能会出现更多"共享内存 + 广播过滤"式的架构模式。
对 alignment 是好消息。能理解模型内部信息如何流动，才能谈得上对齐。这套 workspace 定位技术可以直接用于监测模型在多轮对话里是否出现"隐藏推理"——即那种表面回答很正常，但内部激活里已经在盘算别的东西的情况。

顺便提一句

这篇研究不涉及新模型发布，Claude 的 API 使用方式没有任何变化。如果你在用 OpenAI Hub 调 Claude，接口一切照旧，兼容 OpenAI 格式那一套调用方式仍然有效——包括最近上线的 Claude 4 系列以及 GPT、Gemini、DeepSeek 等主流模型都在同一个 Key 下可用。