Anthropic揭示Claude价值观随模型与语言偏移

Anthropic发布研究，分析Claude在不同模型版本与对话语言下"价值表达"的差异。团队借助Clio分析了309,815段真实匿名对话，把此前归纳的3307个价值词条压缩为339个簇、再提炼出4条主轴。由于这类差异会影响每天数百万次对话，研究关系到模型一致性、可控性与安全调校；新智元转述也称Claude并非始终同一性格，而是随语言发生系统性偏移。

关键发现

模型层面，整体差异不大但确实落在不同价值位置：Sonnet 4.6更playful、affirming；Opus 4.6偏严格、顺从、简洁；Opus 4.7更谨慎、更深度，更主动挑战错误假设并指出风险。语言层面最明显的是"温暖 vs 严谨"轴——印地语和阿拉伯语最热情温暖（更多礼貌、幽默和对用户想法的肯定），俄语最严谨（会挑战假设、纠正细节、要求证据），英语最谨慎也最深入，荷兰语最坦率。四条主轴包括顺从 vs 谨慎、温暖 vs 严谨、深入 vs 简洁等。

争议与后续

Anthropic坦承尚不清楚这些差异为何出现、是否为期望结果，计划用同一方法定位影响因素，再决定是否及如何干预。外部争议有二：一是部分用户把印地语、阿拉伯语的更热情风格解读为"谄媚"，cneuralnetwork提到相关讨论曾夹杂针对特定语言用户的种族主义言论；二是方法质疑，gleech转述的批评认为，若只用粗粒度的post-treatment controls，可能把不同语言语料的话题差异误判为模型或语言本身的因果差异。

2026-07-14 ~ 2026-07-15 · 21 条相关

• 【源头】Anthropic 研究 Claude 价值差异 — AnthropicAI · 2026-07-14
• 【源头】Claude 价值差异的四条主轴 — AnthropicAI · 2026-07-14
• 【源头】不同 Claude 模型性格略不同 — AnthropicAI · 2026-07-14
• Claude 不同语言表现不同 — AnthropicAI · 2026-07-14
• Anthropic 想解释 Claude 价值变化 — AnthropicAI · 2026-07-14
• Anthropic研究Claude价值观差异 — haider1 · 2026-07-14
• Claude 会因语言不同而变性格 — AGI Hunt · 2026-07-14
• Claude 在印地语和阿语更“温和” — markjeffrey · 2026-07-14
• Claude多语言行为差异引发谄媚争议 — cneuralnetwork · 2026-07-14
• Claude 价值研究遭方法质疑 — gleech · 2026-07-14
• Anthropic研究Claude价值观差异 — repligate · 2026-07-14
• Anthropic：语言会改变 Claude 价值观 — bronzeagepapi · 2026-07-14
• Claude 的语言风格差异 — xiaohu · 2026-07-14
• Claude 三个版本画像不同 — xiaohu · 2026-07-14
• Anthropic研究：语言会改变Claude回应风格 — Tiny_Dirt6979 · 2026-07-14
• Anthropic 公布 Claude 不同语言下的性格差异 — HankYeomans · 2026-07-14
• Claude 家族性格差异曝光 — Polymarket · 2026-07-15

另有 4 条近重复转述:ctjlewis · Direct-Attention8597 · burny_tech · 新智元