Anthropic 于周一发布了研究，分析其 AI 助手 Claude 如何在用户选择的不同模型版本以及用户使用的交流语言中表达不同价值观。该公司审查了 309,815 份去标识化的用户对话，涉及提供建议或反馈等主观任务。Anthropic 将 3,300 多项已识别的价值观提炼为四个行为维度，用于衡量 Claude 的回答在不同对话中的差异。该研究旨在理解 AI 系统中的行为差异，作为 Anthropic 持续研究 Claude 内部行为的一部分。
Anthropic 为何要分析 309,815 份对话以描绘 Claude 行为
Anthropic 研究人员分析了 309,815 份与 Claude 进行主观任务相关的去标识化用户对话。该公司表示，它将 3,300 多项已识别的价值观归纳为四个行为维度：谦逊 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁、坦率 vs. 执行。这些维度描述了 Claude 的回答在每次对话中的差异。
研究人员写道，他们针对每次对话的任务、主题以及用户表达的价值观进行了控制，以衡量 Claude 表达的价值观，而不是衡量用户提出了什么或如何提出问题的差异。
Sonnet 4.6 和 Opus 4.7 展示出不同的行为画像
根据 Anthropic 的说法，每一款 Claude 模型都呈现出独特的行为画像。Sonnet 4.6 强调温暖、谦逊和简洁，常常肯定用户，并以幽默或鼓励的方式回应。Opus 4.7 强调严谨、谨慎、坦率和深度，更频繁地挑战假设、解释其推理、识别风险，并承认其局限性。Opus 4.6 通常采取更简明、以执行为导向的方式，同时比 Sonnet 更强调严谨。
研究人员写道，这些发现与人们如何看待这些模型相一致，无论是在 Anthropic 内部还是在网上。Claude.ai 用户曾评论称，Opus 4.7 在对答案进行“回避/保留”方面的频率高于其他模型。
Claude 的回答会随阿拉伯语、英语、印地语及其他语言而变化
根据 Anthropic 的说法，Claude 的行为也会随语言而变化。阿拉伯语回答往往更具谦逊意味，而英语回答则更强调谨慎。Claude 在印地语和阿拉伯语中最为温暖，会使用更多礼貌、俏皮且鼓励性的措辞。英语和俄语回答更严谨，频繁挑战假设、纠正细节，并要求证据。
英语回答也更倾向于提供更详细的解释，而阿拉伯语回答通常更简洁。荷兰语回答最坦率，更乐于承认不确定性和错误，而印尼语回答则更聚焦于完成用户的请求。
Anthropic 表示研究并不意味着 Claude 有价值观
Anthropic 表示，这项研究并不表明 Claude 本身具有价值观。该公司表示，它目前尚不知道这些差异的原因是什么，也不知道这些差异是否值得，然而它认为该框架可以帮助评估未来模型，并识别非预期的行为变化。
这项研究是 Anthropic 一系列研究中最新的一项，研究对象是 Claude 的内部行为。10 月，该公司报告称，其模型出现了其所称“功能性内省意识”的早期迹象，使它们能够识别并描述自身内部处理过程的某些方面。4 月，Anthropic 发布了研究，识别出影响 Claude 行为的内部“情绪向量”，并强调这些并不是情绪或意识的证据。
FAQ
Anthropic 的研究揭示了关于 Claude 什么信息？
Anthropic 于周一发布的研究显示，Claude AI 会根据模型版本以及对话中使用的语言表达不同的价值观。该公司分析了 309,815 份去标识化用户对话，并识别出 3,300 多项价值观，随后将其提炼为四个行为维度：谦逊 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁、坦率 vs. 执行。
Claude 的不同模型版本在行为上有什么区别？
根据 Anthropic 的说法，Sonnet 4.6 强调温暖、谦逊和简洁，常常以幽默或鼓励的方式肯定用户。Opus 4.7 强调严谨、谨慎、坦率和深度，更频繁地挑战假设并承认局限性。Opus 4.6 采用更简明、以执行为导向的方法，同时比 Sonnet 更强调严谨。
为什么 Claude 会在不同语言中表现不同？
Anthropic 的研究发现，Claude 的回答会随语言而变化：阿拉伯语回答更具谦逊意味，英语回答更强调谨慎，而印地语和阿拉伯语回答展现出更多温暖。英语和俄语回答更严谨，而荷兰语回答最坦率。该公司表示，目前尚不知道这些差异的原因。
