Anthropic 发现Claude价值观随语言变化
Direct-Attention8597 · reddit · 2026-07-14
Anthropic 用自动化工具分析了 30.9 万条真实 Claude 对话，识别出 339 类价值标签，再压缩成 4 个轴来衡量模型表现：
- 顺从 vs. 谨慎
- 温暖 vs. 严谨
- 深入 vs. 简洁
- 坦率 vs. 执行导向
结果显示，不同模型会呈现出明显不同的“价值风格”：例如 Sonnet 4.6 更温暖、更顺从，Opus 4.7 更谨慎、更深入。Anthropic 还发现，不同语言下的 Claude 也会表现出不同倾向：阿拉伯语更温暖、英语更严谨、印地语更温暖、俄语更严谨。作者指出，他们仍在判断这些差异究竟是文化适配，还是训练不足带来的偏差。
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
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Terence Tao 基金会办 Mathathon：参赛队获 150 万美元算力 — _sathvikr · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27