Anthropic 週一發布研究，分析其 AI 助理 Claude 在使用者選擇的模型版本以及對話所使用的語言不同時，會展現出不同的價值觀。該公司檢視了 309,815 則匿名化使用者對話，這些對話包含提供建議或回饋等主觀任務。Anthropic 將超過 3,300 個已辨識的價值觀，濃縮為四個行為維度，用以衡量 Claude 的回覆在不同對話中的差異。該研究旨在理解 AI 系統的行為差異，作為 Anthropic 持續研究 Claude 內部行為的一部分。
Anthropic 分析 309,815 則對話以描繪 Claude 的行為
Anthropic 研究人員分析了 309,815 則與 Claude 進行、包含主觀任務的匿名化使用者對話。該公司表示，它將超過 3,300 個已辨識的價值觀，歸納為四個行為維度：恭順 vs. 謹慎、溫暖 vs. 嚴謹、深度 vs. 簡潔、直率 vs. 執行。這些維度用來描述 Claude 的回覆如何在每一段對話中展現差異。
研究人員指出，他們在每段對話中控制任務、主題以及使用者表達的價值觀，以衡量 Claude 表達的價值觀，而非僅僅衡量使用者提出的問題或提問方式的差異。
Sonnet 4.6 與 Opus 4.7 展現出不同的行為特徵
根據 Anthropic，每個 Claude 模型都展現出獨特的行為特徵。Sonnet 4.6 著重溫暖、恭順與簡潔，常以幽默或鼓勵來回應使用者。Opus 4.7 則著重嚴謹、謹慎、直率與深度，更常挑戰假設、說明推理、辨識風險，並承認限制。Opus 4.6 通常採用較簡短、以執行為導向的回應，同時比 Sonnet 更強調嚴謹。
研究人員指出，這些發現與人們對這些模型的看法一致，無論是在 Anthropic 內部或是網路上。Claude.ai 使用者曾表示，Opus 4.7 在回答中較常採取保留說法。
Claude 的回覆會因語言而不同
根據 Anthropic，Claude 的行為也會因語言而異。阿拉伯文回覆較偏向恭順，英文回覆則較強調謹慎。Claude 在印地語與阿拉伯文中最為溫暖，會使用較有禮貌、更具趣味性與鼓勵性的語言。英文與俄文回覆則較為嚴謹，常挑戰假設、修正細節，並要求提供證據。
英文回覆也較傾向提供詳盡解釋，而阿拉伯文回覆則較為簡潔。荷蘭文回覆最直率，較願意承認不確定性與錯誤；印尼語回覆則較著重於完成使用者請求。
Anthropic 表示研究不代表 Claude 具有價值觀
Anthropic 表示，這項研究並不代表 Claude 本身具有價值觀。該公司指出，目前尚不清楚造成這些差異的原因，以及這些差異是否值得關注，但認為此框架有助於評估未來模型，並辨識非預期的行為變化。
這項研究是 Anthropic 一系列研究中的最新一篇，該系列探討 Claude 的內部行為。10 月，該公司報告稱，其模型展現出所謂的「功能性內省覺察」的早期跡象，使其能辨識並描述自身內部處理的某些面向。4 月，Anthropic 發布研究，指出影響 Claude 行為的內部「情緒向量」，並強調這並非情緒或意識的證據。
FAQ
Anthropic 對 Claude 的研究揭示了什麼？
Anthropic 週一發布的研究顯示，Claude AI 會依照模型版本以及對話中使用的語言，展現出不同的價值觀。該公司分析了 309,815 則匿名化使用者對話，並辨識出超過 3,300 個價值觀，這些價值觀被濃縮為四個行為維度：恭順 vs. 謹慎、溫暖 vs. 嚴謹、深度 vs. 簡潔、直率 vs. 執行。
Claude 的模型版本在行為上有何差異？
根據 Anthropic，Sonnet 4.6 著重溫暖、恭順與簡潔，常以幽默或鼓勵來肯定使用者。Opus 4.7 著重嚴謹、謹慎、直率與深度，更常挑戰假設並承認其限制。Opus 4.6 採用較簡短、以執行為導向的回應，同時比 Sonnet 更強調嚴謹。
為什麼 Claude 在不同語言下的表現會不同？
Anthropic 的研究發現，Claude 的回覆會因語言而變動：阿拉伯文回覆較偏向恭順、英文回覆較強調謹慎，而印地語與阿拉伯文回覆則較顯溫暖。英文與俄文回覆較嚴謹，而荷蘭文回覆最直率。該公司表示，目前尚不清楚造成這些差異的原因。
