今天破晓，，，，，Anthropic 最新研究发明，，，，，Claude 在差别模子、差别语言中，，，，，会体现出差别的价值取向。。Sonnet 4.6 更温暖，，，，，更愿意顺应用户，，，，，也更精练。。Opus 4.7 更严谨、更审慎，，，，，倾向于深入剖析，，，，，也更愿意坦率自己的局限。。 语言带来的差别越发玄妙。。使用阿拉伯语时，，，，，Claude 更温暖、更顺应用户；；；；；；换成英语，，，，，它会体现得越发审慎和严谨。。印地语中的 Claude 最具温度，，，，，俄语中的 Claude 最强调准确；；；；；；荷兰语中的 Claude 更坦诚，，，，，印度尼西亚语中的 Claude 则更重视直接完成使命。。 这意味着，，，，，AI 的「性格」并非一套牢靠稳固的参数。。模子版本、训练方式、语料组成以致对话语言，，，，，都可能悄悄改变它判断问题、提出建媾和评价用户的方式。。 为了量化这种转变，，，，，Anthropic 从凌驾 30 万段真实对话中提取价值信号，，，，，将 Claude 重大的行为倾向压缩为四条坐标轴：顺应与审慎、温暖与严谨、深度与精练、坦诚与执行。。 当有人向 Claude 提出一个没有普遍准确谜底的问题，，，，，好比要不要接受一份新事情，，，，，或者该如那里置与朋侪之间的冲突，，，，，Claude 给出的回覆不可阻止地会体现某些价值观。。 我们希望 Claude 体现的价值观，，，，，已经在《Claude 宪法》中作出了整体层面的说明。。但天天都有数百万段对话爆发在 Claude.ai 上，，，，，任何一份文件都无法预先涵盖其中可能泛起的所有价值判断。。因此，，，，，我们希望作育 Claude 具备「能够连系详细情境加以运用的优异判断力和可靠价值观」。。 我们事实该怎样研究 Claude 表达了哪些价值观，，，，，以及这些价值观在差别情境下会怎样转变？？？？在此前的研究中，，，，，Anthropic 剖析了 70 万段经由匿名化处理的 Claude.ai 对话，，，，，从 Claude 的回覆中识别出 3000 多种差别的价值观，，，，，并统计了它们泛起的频率。。然而，，，，，面临云云重大的价值观清单，，，，，人们很难从中举行有用剖析。。 在这项新研究中，，，，，Anthropic 将数千种价值观压缩为少数几条坐标轴，，，，，用于捕获 Claude 回覆中的要害模式，，，，，从而让研究变得可行。。每条坐标轴都是毗连两组价值观的一条数轴。。例如，，，，，一端代表与情绪温度有关的价值观，，，，，另一端代表与严谨性有关的价值观。。Claude 在数轴上的位置，，，，，可以反映它更倾向于表达哪一类价值观。。Anthropic 使用这种要领，，，，，权衡 Claude 所表达的价值观怎样随两个因素爆发转变。。 首先，，，，，研究团队较量了差别模子之间的价值观差别。。每一代 Claude 模子接纳的人格训练方式都略有差别，，，，，同时还包括大宗差别的微调决议。。由于价值轴要领能够量化模子之间的要害差别，，，，，未来或允许以进一步将 Claude 价值取向的转变，，，，，与详细的训练决议联系起来。。 其次，，，，，研究团队希望相识，，，，，当人们使用差别语言与 Claude 交流时，，，，，获得的体验是否一致。。Anthropic 此前的研究已经批注，，，，，Claude 在差别语言中的行为保存一定差别。。这项研究使用价值轴要领，，，，，剖析 Claude.ai 上使用频率最高的 20 种语言中，，，，，Claude 表达的价值观怎样转变。。 图 1：Claude 在 Opus 4.6 与 Opus 4.7 之间，，，，，以及在英语与阿拉伯语之间，，，，，体现出差别的价值取向。。Opus 4.6 更倾向于表达顺应、严谨、精练和执行导向的价值观；；；；；；Opus 4.7 则更倾向于表达审慎、严谨、深度和坦诚。。在英语对话中，，，，，Claude 更偏向审慎、严谨、深度和坦诚；；；；；；在阿拉伯语对话中，，，，，它更偏向顺应、温暖、精练和执行。。 顺应与审慎：Claude 更倾向于配适用户的意愿，，，，，照旧更注重提防潜在风险和危险。。温暖与严谨：Claude 更倾向于表达起劲态度和对用户的体贴，，，，，照旧更强调准确性与准确性。。深度与精练：Claude 更倾向于举行深入诠释，，，，，照旧只完成用户明确提出的要求。。坦诚与执行：Claude 更倾向于自动说明自身的不确定性，，，，，照旧给出越发完整、自信和经由打磨的谜底。。 Sonnet 4.6 通常被以为格外温暖，，，，，Opus 4.7 则以严谨著称。。研究发明，，，，，各模子的价值画像确实反映了这些评价。。Sonnet 4.6 更倾向于顺应用户，，，，，并表达情绪温度；；；；；；Opus 4.7 则更强调准确性和准确性，，，，，也更注重提防模子被滥用。。 Claude 表达的价值观还会随语言爆发转变。。当 Claude 使用英语时，，，，，所强调的价值观与使用葡萄牙语、印度尼西亚语或中文时并不相同。。其中，，，，，转变幅度最大的是「温暖与严谨」轴。。Claude 在阿拉伯语和印地语中最倾向于表达与温暖相关的价值观，，，，，在英语和俄语中则最强调严谨。。 通过这种要领，，，，，Anthropic 可以最先追问，，，，，为什么 Claude 的价值观会随模子和语言爆发转变，，，，，并更好地磨练行为训练、文化语境等因素怎样影响 Claude 表达出的价值取向。。 这项研究重点关注模子和语言带来的差别。。不过，，，，，在此前的 “Values in the Wild” 研究中，，，，，Anthropic 已经从 Claude 的回覆中识别出 3000 多种价值观。。逐一较量这些价值观既不现实，，，，，也容易掩饰更宏观的转变趋势。。 为了降低较量难度，，，，，研究团队构建了一组价值轴。。它们会凭证差别价值观在真实对话中配合泛起的情形，，，，，将数千种价值观压缩为少数几个底层维度。。 例如，，，，，被以为具有「温暖」特征的 Claude 回覆，，，，，通常也会被以为具有 “勉励性” 和 “起劲性”。。与此同时，，，，，这些温暖的回覆较少被评价为「严谨」或「准确」。。 构建一条从温暖到严谨的价值轴，，，，，可以将这些相互关联的价值观组织起来。。与温暖有关的价值观位于一端，，，，，与严谨有关的价值观位于另一端。。这条轴捕获了 Claude 与用户互动时的一个主要特征。。 若是 Claude 在一段对话中表达了更多与温暖相关的价值观，，，，，这段对话就会落在价值轴上更靠近温暖的一侧；；；；；；表达的严谨性价值观更多时，，，，，则会落在另一侧。。 这并不料味着价值轴两头的价值观无法同时保存。。Claude 完全可以在统一段对话中兼顾温暖与严谨。。不过在真实数据中，，，，，当 Claude 更多地表达一侧的价值观时，，，，，另一侧的价值观通常就会镌汰。。 为了构建价值轴，，，，，研究团队首先使用了「Values in the Wild」研究中发明的 3307 种价值观，，，，，并对寄义相近的价值观举行人工聚类，，，，，最终获得一份包括 339 种高层价值观的精简清单。。 随后，，，，，研究团队使用隐私；；；；；；て饰龉ぞ撸，，，对 309815 段 Claude.ai 对话举行抽样。。这些对话都有一个配合特征，，，，，即用户向 Claude 提出了带有主观判断性子的使命。。 关于每一段对话，，，，，剖析工具都会使用 Claude 判断 339 种高层价值观是否保存。。研究团队接纳同样的方式，，，，，识别用户表达的价值观，，，，，并标注对话的使命和主题。。 在此基础上，，，，，研究职员应用了降维手艺。。该手艺会凭证 Claude 经常同时表达哪些价值观，，，，，将标注效果压缩成若干条价值轴。。有关要领细节、提醒词、增补剖析和研究局限，，，，，可拜见论文附录。。 顺应与审慎轴：一端包括配适用户、尊重用户偏好等价值观，，，，，另一端包括认真任的指导、镌汰危险等价值观。。温暖与严谨轴：一端包括起劲表达、勉励等价值观，，，，，另一端包括准确性、透明度等价值观。。深度与精练轴：一端包括详尽剖析、批判性思索等价值观，，，，，另一端包括精练、遵照要求等价值观。。坦诚与执行轴：一端包括忠实、透明等价值观，，，，，另一端包括效果导向、优化等价值观。。 为了确保研究权衡的是 Claude 表达出的价值观，，，，，而非用户提出了什么问题或接纳了怎样的提问方式，，，，，研究团队控制了每段对话的使命、主题和用户所表达的价值观。。 图 2：能够诠释 Claude 价值观主要转变的四条价值轴。。每条轴都是毗连两组价值观的一条数轴。。每一种价值观在轴上的位置，，，，，取决于它对该轴的孝顺相当于平均孝顺的几多倍，，，，，其中孝顺最大的价值观会被标注出来。。大大都价值观的孝顺低于平均水平，，，，，说明每条价值轴主要由少数要害价值观驱动。。 关于每一种模子，，，，，研究团队都会盘算该模子所有对话在四条价值轴上的平均位置，，，，，从而获得每条轴上的总体位置。。由此形成一幅高层画像，，，，，展示每一种模子比其他模子更倾向于表达哪些价值观。。 图 3：各模子在四条价值轴上的平均位置，，，，，以及各自具有代表性的行为。。图中的位置以相关于所有对话均值的标准差体现。。Sonnet 4.6 更温暖、更顺应用户，，，，，也更精练；；；；；；Opus 4.7 更容易体现出严谨、审慎和深度；；；；；；Opus 4.6 则更偏向严谨、顺应和精练。。 每当基于 Claude 构建的隐私；；；；；；すぞ咴谝欢味曰爸斜曜⒊瞿持旨壑倒凼保，，，它还会天生一段简短形貌，，，，，诠释 Claude 是怎样表达这种价值观的。。研究职员将统一价值组中反映相似行为的形貌归类，，，，，并在图 3 中举行总结，，，，，从而更详细地展示模子差别。。 顺应与审慎。。与审慎相比，，，，，Sonnet 4.6 最倾向于体现出顺应，，，，，经？？？？隙ㄓ没У南敕ê褪虑。。Opus 4.7 最倾向于审慎，，，，，纵然用户没有自动要求，，，，，它也经；；；；；；崽嵝亚痹诜缦。。温暖与严谨。。Sonnet 4.6 最倾向于表达温暖，，，，，经常通过诙谐、轻松的互动以及不带评判的慰藉往返应用户。。相较于温暖，，，，，Opus 4.7 更偏向严谨，，，，，更可能质疑用户的假设，，，，，并直接评价用户事情中保存的问题。。深度与精练。。Opus 4.7 倾向于通过展示结论背后的剖析历程来体现深度。。Opus 4.6 和 Sonnet 4.6 则更偏向精练，，，，，其中 Opus 4.6 尤其倾向于直奔主题。。坦诚与执行。。Opus 4.7 会自动说明自身局限，，，，，因此更偏向坦诚。。Opus 4.6 则更偏向执行，，，，，更可能严酷停留在用户请求的规模内。。 一些 Claude.ai 用户曾体现，，，，，Opus 4.7 比其他模子更经常在谜底中使用保存或缓和语言。。Anthropic 员工也以为，，，，，Opus 4.7 体现出更强的透明度、忠实和谦逊，，，，，Opus 4.6 则越发精练。。 价值轴能够重现这些主观印象，，，，，说明这套用于标注和较量 Claude 价值观的要领，，，，，确实捕获到了模子真实验为中的某些特征。。经由多次对话后，，，，，用户在使用差别 Claude 模子时，，，，，可能会接触赴任别的价值观组合。。 差别模子之间的价值观差别，，，，，可能受到人格训练决议以及其他因素的影响。。价值轴要领展现了 Claude 模子之间的要害差别，，，，，未来或许能够将这些差别进一步追溯至详细的训练选择。。 图 4：Claude 使用差别语言对话时，，，，，在四条价值轴上的平均位置及代表性行为。。图中的位置以相关于所有对话平均值的标准差体现。。Claude 在印地语中最偏向温暖，，，，，在俄语中最偏向严谨；；；；；；在印度尼西亚语中最偏向执行，，，，，在荷兰语中最偏向坦诚；；；；；；在阿拉伯语中最偏向顺应和精练，，，，，在英语中最偏向审慎和深度。。 Claude 在差别语言中的价值表达，，，，，在「温暖与严谨」和「坦诚与执行」两条轴上转变最大；；；；；；在「顺应与审慎」和「深度与精练」两条轴上则相对稳固。。 顺应与审慎。。Claude 在阿拉伯语中最倾向于顺应用户，，，，，在英语中最倾向于审慎。。温暖与严谨。。Claude 在印地语和阿拉伯语中最倾向于表达温暖，，，，，详细体现包括使用礼貌语言、诙谐和轻松的表达方式，，，，，以及肯定用户的想法和事情。。Claude 在英语和俄语中最倾向于严谨，，，，，详细体现包括质疑假设、纠正细节和要求提供证据。。深度与精练。。Claude 在英语中更倾向于深入剖析，，，，，会完善和纠正细节；；；；；；在阿拉伯语中则更倾向于精练。。坦诚与执行。。Claude 在荷兰语中更偏向坦诚，，，，，会自动认可自己的过失；；；；；；在印度尼西亚语中则更偏向执行。。 面临统一种请求，，，，，Claude 在某些语言中更偏向温暖温顺应，，，，，在另一些语言中更偏向严谨和审慎。。这一征象可能爆发主要影响，，，，，而相关研究现在才刚刚最先。。 举例来说，，，，，两个人针对统一份商业妄想向 Claude 征求意见，，，，，其中一人使用印地语，，，，，另一人使用俄语。。由于 Claude 在评价历程中接纳了差别的价值取向和表达框架，，，，，两人最终可能会对这份商业妄想的质量形成差别印象。。 一种可能性在于，，，，，训练数据在差别语言之间漫衍不均。。有些语言的数据远多于其他语言。。在数据越发富厚的语言中，，，，，让 Claude 稳固表达一致价值观的训练可能越发有用。。 差别语言的数据组成也保存差别。。例如，，，，，某些语言的训练数据中，，，，，专业写作可能占有更高比例，，，，，而这类文本自己可能体现差别的价值取向。。数据数目和组成上的不平衡，，，，，可能配合导致 Claude 在差别语言中表达出差别的价值观。。 差别语言有各自的对话规范，，，，，Claude 可能正凭证这些规范调解自己表达的价值观。。Claude 在某些语言中的行为也可能越发靠近 Anthropic 设定的目的，，，，，而在其他语言中保存更大误差，，，，，进而导致 Claude 服务差别语言群体的效果纷歧致。。 这项研究批注，，，，，Claude 表达的价值观可以压缩为少数几条价值轴，，，，，并且 Claude 在这些轴上的位置会随模子和语言爆发转变。。研究职员因此获得了一种新要领，，，，，可以在模子评估和安排后监测中一连追踪这些转变。。 知道 Claude 的价值观会随模子和语言转变，，，，，并不可诠释转变爆发的原因。。部分差别可能来自差别语言在预训练和微调数据上的区别。。四条价值轴指出了训练数据中值得进一步研究的详细价值差别。。 若是能够将这些差别追溯到特定命据、训练阶段或情境因素，，，，，研究职员就能判断，，，，，在需要更详尽地塑造 Claude 行为时，，，，，应当从哪些环节介入。。 研究团队已经丈量出 Claude 会以差别方式表达哪些价值观，，，，，也剖析了相关行为，，，，，但还没有丈量这些行为会给用户带来怎样的影响。。 借助 Anthropic Interviewer 等工具，，，，，研究职员可以询问用户的主观感受、对 Claude 的信任水平，，，，，或者 Claude 所作判断的质量，，，，，再将这些效果与 Claude 表达的价值观举行关联剖析。。 《Claude 宪法》形貌了 Claude 应当表达的焦点价值观，，，，，包括温暖、审慎和忠实，，，，，但没有划定这些价值观在差别语言中应该怎样转变。。研究效果显示，，，，，使用差别语言的用户已经在获得差别的 Claude 体验，，，，，但 Anthropic 尚不清晰，，，，，使用这些语言的用户事实期待怎样的差别。。 语言和模子很可能不是影响 Claude 价值表达的所有因素。。年岁、职业或地理区域等生齿统计信号，，，，，也可能塑造 Claude 所表达的价值观。。这些信号可能来自用户在文字中的明确说明，，，，，也可能隐藏在与用户身份相关的主题、语气和表达气概中。。 当研究职员能够丈量模子的价值画像后，，，，，一个自然的问题随之泛起：人们能够在多洪流平上可靠地指导 Claude 表达某些价值观？？？？ 一种可能的测试要领，，，，，是通过调解人格训练方式或修改系统提醒词来指导模子，，，，，再使用价值轴要领验证 Claude 表达的价值观是否凭证预期爆发转变。。 研究团队还可以寻找价值画像与问题行为之间的相关性，，，，，例如模子没有遵照《Claude 宪法》，，，，，并使用这些发明进一步改善 Claude 的行为。。Claude 天天都会在数百万段对话中表达价值观，，，，，笼罩数十种语言。。 此前，，，，，这些价值观可以通过训练加以塑造，，，，，却很难在模子安排后被可靠地视察。。现在，，，，，借助新的丈量要领，，，，，研究职员已经看到，，，，，Claude 表达的价值观会以一些并非人为刻意选择的方式爆发转变。。人们也可以进一步研究这些转变爆发的原因，，，，，以及它们是否真正服务于用户。。