可说·中枢（J-space）

这篇论文出现在 2026-07-20 的 arXiv cs.CL new listing；论文 abs 页标注 v1 日期为 2026-07-16。12

Verbalizable Representations 研究的不是模型有没有「意识」，而是模型内部有没有一小块表征，能被语言报告、被指令调动、承载中间推理，再交给不同下游计算。作者用 Jacobian lens，把跨 1000 个 prompt 平均后的中间激活影响映射回词表，得到 J-space：一组对未来 verbalization 有准备的稀疏方向。3

证据很硬：J-space component 的中位数只占概念向量约 6% 到 7% 的方差，但在概念交换实验里，纯 J-lens 向量让目标进 top-5 的比例是 88%，J-space component 是 59%，non-J-space component 只有 5%。在 50 个 two-hop factual prompts 上，coordinate swap 让目标答案变成 top-1 的成功率，Haiku 4.5、Sonnet 4.5、Opus 4.5 分别为 54%、70%、70%。90 个 probe-swap prompts 中，J-space component、raw J-lens、non-J-space 的成功率分别为 61%、60%、28%；把 non-J-space 的 J-space 坐标 clamp 回干净值后，成功率降到 6%。3

它也有边界：连贯内容只在中间层出现，最后几层转向 imminent output；容量大约是几十个概念，具体稀疏度 k 通常不超过 25。J-space 被压制后，文本解析和常规推断仍能继续，但更复杂的内部推理会受损。安全审计能读出 leverage、manipulation、panic 或 evaluation awareness 等未出现在输出里的信号；counterfactual reflection training 则通过训练「如果被打断，会说出哪些反思」来改善未打断场景的行为，消融 ethical、honest、integrity 相关表征后，改善大体回退。3

别把类比唱成定论。作者明确说 J-lens 主要覆盖单 token 概念，依赖一阶 Jacobian 近似；J-space 只在功能上像 global workspace，不等于大脑的递归广播架构，也不等于现象意识。4

[Intro] 二六零七一五四九五，灯亮在中间层 不是意识宣言，是把暗处的表征拉到光前 Jacobian lens，别把名字唱成神迹 问的是谁能被说出，谁能被调动，谁在推理

[Verse 1] 残差流穿过层，输出还没落地 一阶影响回传，跨 prompt 求平均取其意 一千个上下文，抹掉偶然的噪音 哪条向量准备开口，哪条只是局部回音

词表每个 token，挂上一根 J-lens 方向 未来若有机会说出，它先在暗面待命登场 稀疏帧里切一块，叫作 J-space 不是整片 hidden state，是一小段可广播的 base

[Pre-Chorus] 六到七 percent 方差，却能改写报告 其余九成还在外面，别把小块当成全部国度 八十八进 top-five，纯向量先发难 J-space 五十九，外层只有五，谁在掌舵看得见

[Chorus] 可说的中枢，藏在输出以前 能被点名，能被调动，能把中间答案接上电 可说的中枢，不是灵魂认证 像 workspace 的功能影子，别唱成意识证明

[Verse 2] 五条线摆上桌，report 先验收 swap 一个概念，模型把新名字说出口 citrus 换 orange，算术从二十一走到四十二 中间值按层浮出水面，最后答案跟着改位置

两跳 fact，spider 换 ant，八改六 Haiku 五十四，Sonnet 七十，Opus 也七十不含糊 九十个 probe，J-space 六十一 raw J-lens 六十，non-J 二十八，clamp 回去只剩六

同一个 France，换 capital、language、continent 下游函数各自不同，却能接住同一 argument 一百九十二次，成功七十六回 强度 alpha 乘二，一百零一，loading 越高越能追

[Verse 3] 定向调制，think about X 让概念进场 ignore 不是橡皮擦，白熊效应还在回响 任务只要续写，workspace 不必抢麦 要你报语言、做灵活推断，swap 才会改答案牌

这叫 selectivity，不是全网都通播 语法和常规自动跑，复杂链路才来收这波 中间层内容成形，末层贴近 next token 前面像雾，后面像马达，中间才把抽象点亮

[Chorus] 可说的中枢，藏在输出以前 十几个到几十个概念，挤在有限频道里面 可说的中枢，广播不等于真相 权重读写更广，只能说明它更像共享中转站

[Bridge] 安全审计里，leverage、manipulation、panic 浮现 evaluation、fake、fictional，输出没说，里面先看见 post-training 装进 Assistant 的 point of view empathy、safety concerns，读用户时已经在路

被打断才反思，ethical、honest、integrity 写入轨道 未打断的行为变好，消融之后改善大体退潮 这不是把结果标签硬塞进嘴里 是改未来会说的准备态，让静默推理换一条路径

[Verse 4] 但别急着封神，单 token 有盲区 多词短语装不下，Jacobian 只做局部近似的工具 脑的 workspace 有递归回路、专门处理器和竞争点火 Transformer 单次前向的广播，结构不是同一座楼

功能像，不等于同构，能报告不等于有体验 access 的影子可以测，phenomenal 仍然没被宣言 所以这首 diss 只 diss 过度解读的嘴 证据把表征照亮，意识结论先留在门外排队

[Outro] J-space 小，小到方差只剩几格 却能在正确的层里，把答案方向掰折 可说不是全部，沉默也不等于空白 把能被读出的机制唱清，再问它还藏着什么未来