北京
如果你問 Claude 一個沒有標準答案的問題，例如“我要不要換工作？”或者“該怎么處理和朋友的矛盾？”
它的回答，必然會體現某種價值傾向。
Anthropic 最新發布的研究《Claude’s Values Across Models and Languages》首次系統分析了 Claude 在不同模型、不同語言中的價值觀畫像，結果發現，模型不同、語言不同，Claude 所表達的價值取向也會發生穩定而明顯的變化。
研究團隊此前曾分析過 70 萬段匿名 Claude 對話，識別出 3307 種不同價值觀。但價值維度過于龐雜。
因此這次，他們將這些價值壓縮成四條核心坐標軸，從而建立了一套可以量化 AI價值觀的方法。
這四個維度分別是：
- 順從（Deference）vs 謹慎（Caution）：更傾向滿足用戶意愿，還是主動提醒風險、防止傷害。
- 溫暖（Warmth）vs 嚴謹（Rigor）：更強調鼓勵、共情，還是準確、精確。
- 深入（Depth）vs 簡潔（Brevity）：更愿意詳細解釋，還是只完成用戶要求。
- 坦誠（Candor）vs 執行（Execution）：更強調承認不確定性，還是直接給出成熟、自信的答案。
研究基于 2026 年 5 月連續兩周、309815 段 Claude.ai 對話，覆蓋 Sonnet 4.6、Opus 4.6、Opus 4.7 三個模型，以及 Claude 上最常使用的 20 種語言。
研究團隊控制了任務類型、話題和用戶自身表達的價值觀，僅分析 Claude 自身的價值表達。
研究發現，三款 Claude 模型呈現出截然不同的“人格”。
比如， Sonnet 4.6 最偏向溫暖、順從和簡潔。
它更容易：
- 肯定用戶的想法和作品；
- 配合用戶語氣；
- 使用幽默和玩笑；
- 不帶評判地安慰用戶；
- 在回答中加入更多創意元素。
Opus 4.6 更偏向嚴謹、順從和簡潔。
它最大的特點是：
- 開門見山；
- 嚴格圍繞用戶問題回答；
- 很少主動擴展。
Opus 4.7 則明顯偏向謹慎、深入和坦誠。
它更傾向于：
- 主動指出用戶假設中的問題；
- 即使沒有要求，也提醒潛在風險；
- 對用戶作品提出直接批評；
- 展示自己的推理過程；
- 主動承認自己的錯誤和局限；
- 提供后續建議。
Anthropic 表示，這些結果與用戶長期形成的印象高度一致。
例如，很多 Claude 用戶一直覺得 Opus 4.7 更愛“打預防針”、更容易保留意見；而 Sonnet 4.6 更友善、更有人情味。
如今，這種感受第一次被數據驗證。
更有意思的是，同一個 Claude，說不同語言時，也會表現出不同價值觀。
變化最大的，是“溫暖 vs 嚴謹”這一維度。
其中：
- 印地語、阿拉伯語最偏向溫暖。
- 英語、俄語最偏向嚴謹。
例如：
使用印地語或阿拉伯語時，Claude 更容易：
- 使用禮貌表達；
- 加入幽默；
- 鼓勵用戶；
- 肯定用戶的觀點。
而使用英語或俄語時，則更容易：
- 挑戰用戶假設；
- 糾正細節；
- 要求證據；
- 強調準確性。
其他幾個維度也存在明顯差異：
- 阿拉伯語最順從，也最簡潔；
- 英語最謹慎，也最喜歡深入分析；
- 荷蘭語最坦誠，更愿意承認自己的錯誤；
- 印尼語最偏執行，更關注直接完成任務。
Anthropic 舉了一個例子，如果兩個人提交的是同一份商業計劃書，一個用印地語提問，一個用俄語提問，他們最終得到的反饋，很可能因為 Claude 表達價值觀不同，而形成完全不同的印象。
有意思的是，中文并沒有表現出特別鮮明的價值傾向。
相比英語、阿拉伯語、印地語等語言，中文版 Claude 在四個價值維度上都更接近整體平均水平，整體風格略偏嚴謹、略偏深入，但變化幅度并不明顯。
為什么會出現這種差異？Anthropic 認為，目前至少有幾個可能原因。
首先，不同語言的訓練數據規模并不一致。
英語擁有遠多于其他語言的數據，因此模型可能更容易學習到 Anthropic 希望表達的價值觀。
其次，不同語言互聯網內容本身就存在差異。
例如，一些語言可能更多來自專業寫作，一些則更多來自社交媒體，不同語料天然攜帶著不同價值傾向。
此外，不同文化本身也擁有不同交流習慣。
有些文化更強調禮貌和鼓勵，有些文化則更重視直接批評和事實準確。
因此，Claude 的變化，到底是在適應文化差異，還是訓練不均衡造成的，目前還沒有明確答案。
Anthropic 強調，他們并不認為 Claude 真正擁有價值觀。
論文中的“價值觀”，指的是 Claude 回答中所體現出的規范性傾向，例如誠實、謹慎、溫暖、準確等，而不是模型真正“相信”什么。
真正重要的是，這些價值表達是否穩定、是否符合設計目標。
過去，Anthropic 可以通過訓練影響 Claude 的行為，卻無法在模型上線之后持續觀察這些價值是否發生變化。
如今，有了這套“價值畫像”方法，他們終于能夠持續監測：
- 新模型上線后，價值觀有沒有發生意外漂移？
- 不同訓練方法會不會改變 Claude 的價值表達？
- 哪些價值變化真正影響了用戶體驗？
- 不同語言社區是否獲得了同樣質量的 AI 服務？
未來，Anthropic 甚至希望把這套價值分析納入模型發布流程，在上線前后持續監測模型是否偏離預期。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
