Anthropic 研究 Claude 价值差异
AnthropicAI · x · 2026-07-14
Anthropic 研究了 Claude 在不同模型与不同语言中的“价值表达”差异。
- 团队基于 30 万+ 条匿名对话，发现 Claude 之前可归纳出 3000+ 个价值词条，如诚实、温暖等。
- 这次他们把相近价值聚类，总结出四条主要差异轴：顺从 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁、坦率 vs. 执行。
- 结论是：不同 Claude 模型之间差异总体不大，但确实落在这些轴的不同位置；例如 Sonnet 4.6 更 playful / affirming，而 Opus 4.7 更可能给出直言不讳的批评。
- 研究还发现，Claude 的语言也会影响价值表达：在 印地语和阿拉伯语 中更偏“温暖”，在 俄语 中更偏“严谨”，更常要求用户提供证据。
- Anthropic 表示，目前还不清楚这些差异为什么会出现、是否是期望的结果，后续想进一步找出影响因素，并思考是否以及如何去调节。
所属事件:Anthropic揭示Claude价值观随模型与语言偏移(21 条相关)→
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11