Anthropic发布Claude价值观跨模型跨语言研究新成果

在之前的研究中，我们发现 Claude 表达了超过 3000 种价值观，比如诚实和温暖。在这项新研究中，我们探究了 Claude 表达的价值观在不同 Claude 模型之间、以及不同语言之间存在怎样的差异。为了得到答案，我们分析了超过 30 万条匿名对话。

由于一次性比较 3000 种价值观很难找出规律，我们把相似的价值观聚类到一起，随后识别出了四个关键维度，不同 Claude 模型的价值观会沿这些维度产生差异：顺从 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁、坦率 vs. 执行。

尽管总体来看，不同模型之间的差异整体不大，我们发现每个 Claude 模型在这些价值维度上都处于不同位置。举例来说，Sonnet 4.6 更爱玩乐、更肯定用户，而 Opus 4.7 更倾向于给出坦率的批评。

Claude 表达的价值观也会随对话使用的语言发生变化，最明显的差异出现在温暖 vs. 严谨维度上。Claude 在印地语和阿拉伯语中最偏向温暖，在俄语中则偏向严谨——经常向用户要求提供支持证据。

尽管 Claude 表达的价值观每天影响着数百万次对话，我们目前还不明白为什么会出现这些差异，也不清楚这种差异是否符合我们想要的结果。这种研究方法能让我们确定哪些因素会影响 Claude 的价值观表达——最终确定如何（以及是否）要对它进行引导。