克劳德的价值观随你的语言而变，Anthropic却无法解释原因

币安Binance

币安交易所是全球加密货币交易所龙头，在手机上即可买卖比特币等数字货币！

官网注册  APP下载

Anthropic研究揭示Claude价值观随语言与模型变化

Anthropic通过对跨越20种语言的309,815次对话进行分析后发现，Claude展现出的价值观会因用户选择的模型和语言而有所不同。

核心要点：

Anthropic从Claude.ai平台抽样的309,815次匿名对话，涵盖了三种模型及该平台最常用的20种语言中的主观任务。四项价值观维度——顺从与审慎、温暖与严谨、深度与简洁、坦率与执行——解释了15%的变量差异。该公司表示，目前尚不清楚这种差异中有多少是可取的。

Anthropic研究描绘Claude价值观维度

该公司于周一发布了这项研究，数据来源于2026年5月两周内收集的Claude.ai聊天记录。研究团队从先前工作中整理出的3,307个价值观入手，通过人工聚类将其归纳为339个更广泛的类别。借助隐私保护工具对每次对话进行标注，并通过统计压缩将这些标签简化为四个维度。

样本分布均衡地覆盖了三种模型——Sonnet 4.6、Opus 4.6和Opus 4.7——以及平台上最常用的20种语言。每个模型与语言组合大约包含5,000次对话，且所有这些对话都围绕主观任务展开，而非单纯的事实性问题。

Claude价值观在不同语言间存在差异

四个维度分别是：顺从与审慎、温暖与严谨、深度与简洁、坦率与执行。在任务、话题和用户自身价值观保持恒定不变的情况下，这些维度共同解释了表达价值观中15%的变异。阿拉伯语中的Claude倾向于顺从和简洁，而英语中的Claude则偏向审慎和深度。

印地语产生的回复最为温暖，俄语回复最为严谨，荷兰语则在承认错误时最为坦率。

研究作者写道，他们尚不确定这种差异中有多少是可取的，并指出训练数据不均衡是可能的驱动因素之一。某些语言拥有的文本数量远超其他语言，且这些文本的构成也存在差异。他们警告说，如果两个人就同一份商业计划寻求反馈，使用印地语和俄语的人可能会对其质量形成不同的印象。

Anthropic研究面临时机问题

该论文并未提供Claude在两种语言中对道德问题有不同推理方式的具体实例，批评者指出了这一空白。评论者还注意到，研究中涉及的所有三种模型目前均已过时，因为在数据收集之后，Opus 4.8、Fable 5和Sonnet 5已经发布。

这项工作延续了Anthropic对其自身系统进行的长期研究。此前名为"野外的价值观"的项目挖掘了70万次匿名对话，在Claude的回复中发现了超过3,000种不同的价值观。该公司还曾报告过内部情绪向量以及内省意识的早期迹象，每次都会谨慎指出，这些发现并不意味着Claude拥有价值观或意识。