Claude 价值研究遭方法质疑

gleech · x · 2026-07-14

帖子转发了一条对 Anthropic 新研究的批评：作者认为这类“按语言/模型比较价值表达”的结论，若只用粗糙的 post-treatment controls，很容易把语料内容差异误当成模型或语言本身的因果差异。

被引用的原帖说，Anthropic 先前研究发现 Claude 表达了 3000 多种价值观；这次又分析了 30 万+ 条匿名对话，试图比较不同 Claude 模型、不同语言下价值表达的变化。转发者的核心质疑是：这类相关性分析还不够强，完全可以设计成实验而不是停留在观察性分析。