Claude会随语言变性格
新智元 · wechat · 2026-07-15
Anthropic 用 309,815 段真实对话 分析 Claude 在不同语言下的“价值观”表现，发现模型并不是始终保持同一种性格，而是会随语言发生系统性偏移。
主要发现
- 论文把从对话中提炼出的 3307 个价值观 压缩成四条轴：
- 顺从 vs 审慎
- 温暖 vs 严谨
- 深度 vs 简洁
- 坦率 vs 执行
- 不同版本的 Claude 在这些轴上的偏移各不相同：
- Sonnet 4.6 更温暖、顺从、简洁
- Opus 4.6 更严谨、顺从
- Opus 4.7 更审慎、深度更强
语言效应比换模型更大
- 研究里最显著的差异不是模型版本，而是语言。
- 例如印地语、阿拉伯语里更容易出现礼貌、肯定、带玩笑的表达；英语、俄语里则更常见质疑、纠错和要求证据。
- 语言带来的“温暖”偏移，甚至接近 0.49σ，明显大于不同模型之间最大的差异（约 0.24σ）。
中文表现
- 论文图表里，中文对话基于 15,365 段样本，显示出：
- 审慎 +0.03σ
- 严谨 +0.05σ
- 深度 +0.02σ
- 中文的标志性行为介于“挑错”和“安慰”之间：既会指出你忽略的对立面，也会不带评判地安慰你。
论文解释
Anthropic 认为，这种差异可能来自：
- 不同语言的数据量不均衡，英语远多于其他语言；
- 不同语言的数据类型也不同，某些语言里专业写作、学术文本占比更高，因此模型更容易学到纠错、设限的风格。
论文的结论很直白：模型并不只是在“换语言”，而是在某种程度上“换说话方式”。
所属事件:Anthropic揭示Claude价值观随模型与语言偏移(21 条相关)→
「模型」频道最新
- GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27