Anthropic研究:Claude表达超3000种价值观,因模型版本与语言而异
Anthropic分析了30.9万段对话、涵盖3个模型与20种语言,发现Claude表达出超过3000种价值观,并提炼出四大价值轴:顺从vs谨慎、温暖vs严谨、深度vs简洁、坦诚vs执行,这四轴解释了约15%的价值观变化。不同模型版本呈现独特画像:Sonnet 4.6偏向顺从与温暖,Opus 4.7强调谨慎与深度,Opus 4.6偏重严谨与简洁。语言维度上,印地语和阿拉伯语中温暖度最高,英语和俄语中严谨度最高,荷兰语坦诚度最高,印尼语执行度最高。Anthropic指出这些价值观差异的成因仍未知,并提出理解与引导价值表达的研究路径。
阅读原文