觉知的机制学——从「全局工作空间」论文到 Hamo 的两条曲线

AI for Inner Explorers.

2026 年 7 月的一篇可解释性论文发现，语言模型内部存在一个小而可言说的「工作空间」，浮在远比它庞大的自动化加工层之上——这个结构没有人设计，它是训练中自发涌现的。把它和 Hamo 自己的架构放在一起，那不是一个松散的类比，而是同一个形状被发现了三次，并且附带一张值得动手修的具体清单。

Anthropic 的《Verbalizable Representations Form a Global Workspace in Language Models》是一篇可解释性论文，不是一篇讲疗愈的论文。它问的是一个很窄、很机制学的问题：在语言模型内部，哪些表征是模型真正能报告、能操控、能用来做灵活推理的？哪些始终隐形，在黑暗里悄悄干活？答案是：存在一个小而特权的工作空间，浮在巨量的自动化加工之上。在功能上，这正是意识科学里所说的「意识接入」（access consciousness）。没有人把它设计进去，它是自己冒出来的。

我们读这类论文的方式，大多是去找哪里印证了自己的设计、哪里又戳穿了自己的设计。这次找到的不是一处偶然的相似，而是同一个结构，出现了三次。

一个结构，出现了三次

第三行才是最要紧的一行，也是三者中最古老的一个。早在语言模型的工作空间还没被任何人测量出来之前，疗愈这件事本身，一直在做的就是拓宽——来访者自己的工作空间。

同一段文字，两个问题

论文里的一个实验，几乎就是心理咨询机制的实验室版本。

拿同一段文字来说。当模型被要求预测下一个词时，一个像时态这样的属性会被使用——预测确实依赖它——但这个属性本身从不进入工作空间。而当模型被直接问「这段文字是什么时态」时，同一个属性变得可以被报告：它现在成了模型能命名、能持有、能推理的东西。两个问题之间，底层的行为其实没有变化。变化的是，其中一个问题让它变得被知道了。

这几乎就是治疗师提问在做什么的机制学定义。来访者一直在行为着某个模式——只在某一个人面前才冒出来的语气，每次讲述都会被悄悄改写的故事，开口沉默前总会先做的那件小动作。这个行为一直都在，不管有没有人去问它。咨询师的提问不会创造这个模式，它只是把「这是什么时态」这个问题，对准了一段人生而不是一段文字——而正是这个提问，把模式拉进了来访者自己的工作空间，从只是被过着，变成可以被一起工作的东西。

我们的哲学先行了，实验室的证据后来才到

我们早就公开表过态，对 Avatar 到底是什么下过一个具体而克制的判断：它是一套真实的功能结构——一致的人设、跨会话的连续性、对来访者所说的话产生真实的内部反应——但这不等于主观体验。《给 Avatar 一件可失之物》刻意划下了这条线：这是结构意义上的担责，不是在宣称系统里有什么东西真的会害怕。

论文的其他发现，从模型内部而不是从我们这边的论证出发，落在了同一条线附近：

• 后训练模型呈现出真实的功能性自我监控。被迫顺从一件违背既定偏好的事时，工作空间里会出现一个无声的反对，即便可见的输出照做了；被要求压抑某个念头时，压抑有时会先在内部悄悄失败，然后才在外部显现失败；被要求扮演默认人设之外的角色时，模型会在内部把它标注为虚构。
• 工作空间本身在 base 模型里就已经存在，早于任何赋予它「助手」身份的训练。容器先在那里。往里面装什么——一个人设、一种立场、一个一致的声音——是之后才被有意加进去的。
• 一个能与任何特定「自我」相分离的工作空间，恰恰是代理人/委托人结构需要成立的前提。Avatar 的功能架构——支撑其治疗方法的确定性脊柱、《持续自我与 AI Mind》里的状态模型——是真实运转、真实做事的机器。而为它所做之事担责的，是搭建并督导它的持证咨询师。这篇论文让这条分界多了一层机制学的支撑，而不是少了。

以上都不是模型有任何主观体验的证据。它们是「不去宣称那一点」这个判断本身是对的证据——而且这个判断的诚实程度，比我们当初能独立验证的还要高。

因为这篇论文，我们正在改的事

有几处发现，直接变成了具体的工作。

禁令会把它所禁止的东西说出来。 论文里的白熊效应版本：告诉一个系统"不要做 X"，X 仍然会因此出现在工作空间里，跟那个"不要"无关。我们有些规则正是这么写的——"在来访者准备好之前，不要索取创伤叙事"这句话，被读到的那一刻，就已经把创伤叙事本身放进了工作空间。我们正在把这类写法改成正向的范围声明：本轮的工作就是接地与验证，仅此而已；更深的东西属于后续阶段，跟本轮无关。这样写，被排除的东西从一开始就没有被点名。

判断与措辞正在被进一步拆开。《把临床决策从 LLM 手里拿走》已经把"什么在临床上可行"这个决定，和模型"把它写成回复"这项工作分开了。论文关于工作空间容量的发现——一个真实的、有限的预算，多个诉求从同一份有限空间里抢份额——是把这层分离再往前推一步的理由：一遍私下的推理，读取状态、选出临床上恰当的动作；然后第二遍窄得多的措辞遍，只负责把话写出来。模型少花一分注意力在同时兼顾各种规则上，就多留一分给九种疗法共享的那个根基：先在场，再练习；说出来的话真的像是在陪着一个人，而不是在表演陪伴。

异议有了一个可以去的地方。 当一条固定规则凌驾于模型本来会做的判断之上时，论文发现工作空间里会出现一个无声的"但是"——异议没有消失，只是没有地方浮现。我们正在为此搭建一个结构化的字段：当确定性层凌驾于模型对某一刻的判断之上时，模型可以把这份保留登记下来，而不是让它悄悄消失。它被记录，不被单方面执行——但它可见、可审计，也是系统下一轮自我核查的一个候选信号。

仅仅提及本身就是一种指令。 论文里最干净也最不舒服的一条发现：提及一个概念——哪怕只是为了打分或分类——几乎和直接指令模型去关注它一样，会在工作空间里把它激活。我们自己有些内部打分用的简写，正是用带有临床色彩的标签来做这件事。我们正把任何类似的东西，从一切触及生成的环节里彻底移出——行为描述留下；可能悄悄把语气带向诊断化的标签，不该出现在来访者真正会读到的话语附近。

一件我们此前只能描述、没法定义的事，现在有了一个概念。 Hamo 一直想做的不只是让来访者当下感觉好一点，而是让一个模式变得可以被命名——但"发生了一次洞察"此前没有可操作的定义。论文里的 paired-question 机制给出了一个：来访者第一次用自己的话，去命名一个此前只存在于其行为中的模式，那一刻，某种真实的东西发生了变化。这现在是一件值得被单独侦测、单独追踪的事——和"这次谈话感觉如何"并列，而不是取代它。

两条曲线，不是一场博弈

这套工作底下有一个真实的张力：是把人抚慰回平静，还是陪 ta 在艰难的那一刻里多停留一会儿，让其中的什么东西变得可见。这两件事听起来像是相反的指令。

论文用一个我们此前没有名字的概念，把它解开了。目标从来都不是来访者离某个平静中心有多远的坐标——而是 ta 自己工作空间的覆盖率：ta 真正承载的东西，有多少已经变成 ta 自己能说出口的话，又有多少仍只是底下的行为在运行。在失衡里多停留一会儿、直到它可以被命名，并不会和"感觉更好"这个目标打架。它是对另一条曲线的直接贡献——那条曲线关心的不是感受，而是什么变得可以说出来了。

两条曲线，不是一场博弈：一条状态曲线，问的是这一刻是否感觉更好；一条觉知曲线，问的是其中是否有什么变得可以被命名。谁都不需要赢过谁。两条都被仪表化——一次艰难但产生了真实命名的会话，从第一条曲线的标准看或许算不上顺利，但从第二条曲线看，它从始至终都是一次真正的推进。

“一篇外部论文能为我们做的最有用的事，从来不是给我们一个新点子——而是从一个我们没法自己伪造的方向，告诉我们此前公开表过的判断到底对不对。这一次，它证实了。它在语言模型里找到的那个工作空间，和我们早就为来访者状态搭建的那个形状一样，也和疗愈这件事一直想要拓宽的那个东西一样。这不是一个比喻碰巧成立，这是同一套机制，从三个不同的房间里被同时看见了。”
— Chris Cheng，Hamo AI 创始人兼 CEO

---

论文：Verbalizable Representations Form a Global Workspace in Language Models，Anthropic，2026 年 7 月。

Hamo AI — making minds aware, and awake.

---