Anthropic发布Claude价值观差异最新研究结果

在先前的研究中，我们发现 Claude 表达了超过 3000 种价值观，比如诚实和热情。在这项新研究中，我们探究了不同 Claude 模型以及不同语言下，Claude 表达的价值观有何差异。我们分析了超过 30 万条匿名对话来寻找答案。

由于一次性比较 3000 种价值观很难发现规律，我们将相似的价值观聚类，随后确定了四条模型间 Claude 价值观差异的核心坐标轴：顺从 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁，以及坦率 vs. 执行。

尽管整体来看不同模型之间的差异并不大，但我们发现每一个 Claude 模型在这些价值坐标轴上都处于不同的位置。例如 Sonnet 4.6 更爱玩耍、也更肯定用户，而 Opus 4.7 更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，最明显的差异体现在温暖 vs. 严谨坐标轴上。

Claude 在印地语和阿拉伯语中最偏向温暖风格。在俄语中，它则偏向严谨——经常要求用户提供支撑证据。

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预期。这套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（以及是否需要）引导它。