J-space

换句话说，J-space记录的是推理过程中被反复调用的中间概念，而不只是对最终输出的预测。

更关键的是，如果消融这些被训练出来的J-space表示，行为收益会明显回退。

结果显示，改动某些J-space表示，确实会改变模型后续报告、推理结果和部分策略行为。

一个J-space概念形成后，不同类型的后续问题都可以读取它。

Anthropic做了几类操作：替换某个J-space概念、消融某些J-spacecomponents、往activation里写入某个方向，或者把相关方向从residualstream中投影出去。