Anthropic研究揭示Claude价值观随语言与模型变化
Anthropic通过对跨越20种语言的309,815次对话进行分析后发现,Claude展现出的价值观会因用户选择的模型和语言而有所不同。
核心要点:
Anthropic从Claude.ai平台抽样的309,815次匿名对话,涵盖了三种模型及该平台最常用的20种语言中的主观任务。
四项价值观维度——顺从与审慎、温暖与严谨、深度与简洁、坦率与执行——解释了15%的变量差异。
该公司表示,目前尚不清楚这种差异中有多少是可取的。
Anthropic研究描绘Claude价值观维度
该公司于周一发布了这项研究,数据来源于2026年5月两周内收集的Claude.ai聊天记录。研究团队从先前工作中整理出的3,307个价值观入手,通过人工聚类将其归纳为339个更广泛的类别。借助隐私保护工具对每次对话进行标注,并通过统计压缩将这些标签简化为四个维度。
样本分布均衡地覆盖了三种模型——Sonnet 4.6、Opus 4.6和Opus 4.7——以及平台上最常用的20种语言。每个模型与语言组合大约包含5,000次对话,且所有这些对话都围绕主观任务展开,而非单纯的事实性问题。
Claude价值观在不同语言间存在差异
四个维度分别是:顺从与审慎、温暖与严谨、深度与简洁、坦率与执行。在任务、话题和用户自身价值观保持恒定不变的情况下,这些维度共同解释了表达价值观中15%的变异。阿拉伯语中的Claude倾向于顺从和简洁,而英语中的Claude则偏向审慎和深度。
印地语产生的回复最为温暖,俄语回复最为严谨,荷兰语则在承认错误时最为坦率。
研究作者写道,他们尚不确定这种差异中有多少是可取的,并指出训练数据不均衡是可能的驱动因素之一。某些语言拥有的文本数量远超其他语言,且这些文本的构成也存在差异。他们警告说,如果两个人就同一份商业计划寻求反馈,使用印地语和俄语的人可能会对其质量形成不同的印象。
Anthropic研究面临时机问题
该论文并未提供Claude在两种语言中对道德问题有不同推理方式的具体实例,批评者指出了这一空白。评论者还注意到,研究中涉及的所有三种模型目前均已过时,因为在数据收集之后,Opus 4.8、Fable 5和Sonnet 5已经发布。
这项工作延续了Anthropic对其自身系统进行的长期研究。此前名为"野外的价值观"的项目挖掘了70万次匿名对话,在Claude的回复中发现了超过3,000种不同的价值观。该公司还曾报告过内部情绪向量以及内省意识的早期迹象,每次都会谨慎指出,这些发现并不意味着Claude拥有价值观或意识。

交易所
交易所排行榜
24小时成交排行榜
人气排行榜
交易所比特币余额
交易所资产透明度证明
去中心化交易所
资金费率
资金费率热力图
爆仓数据
清算最大痛点
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
ETF追踪
索拉纳ETF
瑞波币ETF
香港ETF
比特币持币公司
加密资产反转
以太坊储备
HyperLiquid钱包分析
Hyperliquid鲸鱼监控
大额转账
链上异动
比特币回报率
稳定币市值
期权分析
新闻
文章
财经日历
专题
钱包
合约计算器
账号安全
资讯收藏
自选币种
我的关注