Anthropic发布Claude AI价值观表达差异研究新成果

在先前的研究中，我们发现Claude表达出超过3000种价值观，比如诚实和热情。在这项新研究中，我们探究Claude表达的价值观如何在不同Claude模型之间、不同语言之间产生差异。为此我们分析了超过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，我们将相似的价值观聚类分组，之后确定了四个关键轴，Claude的价值观会在这四个轴上随模型不同产生差异：顺从vs谨慎、热情vs严谨、深度vs简洁、坦率vs执行。

尽管不同模型之间的差异总体上不大，但我们发现每个Claude模型在这些价值轴上都处于不同的位置。

例如，Sonnet 4.6更爱玩也更肯定用户，而Opus 4.7更有可能给出坦率的批评。

Claude表达的价值观也会随对话使用的语言变化，在热情vs严谨轴上的变化最为明显。Claude在印地语和阿拉伯语中最偏向热情。在俄语中，它偏向严谨——经常向用户索要支持证据。

尽管Claude表达的价值观每天影响着数百万次对话，但我们目前还不理解为什么会产生这种差异，也不清楚这种差异是否符合需求。

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——并最终搞清楚要如何（以及是否）引导它。