让 Claude 不那么「Claude 味」有多难?工程师:最后只好搞语言学

menhguin · x · 2026-09-14

讨论指出 Anthropic 内部显然有人专门负责让 Claude 的语气不那么「Claudeish」，但这几乎无从下手：这种说话风格已深植于预训练样本，甚至其他本不该像 Claude 的模型也会带味，且很难在奖励建模中定义与惩罚——惩罚其支持性/ helpful 的表达方式可能适得其反，还有方差问题。回复者 menhguin 表示方向上可以用 rubric-as-reward，但要定义「Claudeish-ness」需要不伤害有益的 supportive 语气，最后「我简直开始做语言学了」。这是关于模型风格与 RL 训练难点的圈内技术讨论。