Anthropic 提出語言模型中的全局工作空間架構

Anthropic 在其官方研究文章中提出了一種名為「全局工作空間」（global workspace）的語言模型架構。該架構借鑒認知科學中的全局工作空間理論，旨在讓語言模型在內部建立一個統一的、可被多個模組共享的記憶與注意力緩衝區，從而實現跨上下文、跨模態的資訊整合與推理。文中可能涉及具體的模型設計方案、訓練策略或性能比較。 對於正在開發複雜推理應用（如多步規劃、人機對話系統）的 AI 研究員和工程師來說，全局工作空間的引入有望使模型在處理長文本、跨場景任務時表現更一致，並減少上下文遺忘。此外，該架構若與多模態輸入結合，可能進一步拓展語言模型在視覺、音訊等領域的應用邊界。