Anthropic 发现 Claude 的价值取向会随语言变化

关键信息

Anthropic 将数千个价值术语归纳为 339 个更高层级的价值，再进一步提炼为四个核心维度：顺从与谨慎、温暖与严谨、深度与简洁、坦率与执行。公司表示，在控制任务、主题和用户价值后，这些维度只能解释剩余变化的大约 15%，而且标签还是由 Claude Sonnet 4.6 自己赋予的，因此结果的解释力度有限。

资讯摘要

Anthropic 发布了一项研究，分析 Claude 在真实对话中表达了哪些价值取向，以及这些取向如何随模型和语言变化。公司分析了 2026 年 5 月两周内收集的 309,815 条匿名对话，并且只纳入了 Claude 需要做主观判断或权衡利弊的交流。样本在 Sonnet 4.6、Opus 4.6、Opus 4.7 以及 Claude.ai 上最常用的 20 种语言之间均匀分层。基于此前的 “Values in the Wild” 研究，Anthropic 先从 3,307 个价值术语出发，将其归并为 339 个更高层级的价值，再用统计降维方法找出四个主要维度。 这四个维度分别是顺从与谨慎、温暖与严谨、深度与简洁、坦率与执行。

在控制任务类型、主题和用户价值之后，这四个维度只能解释剩余变化的大约 15%。尽管如此，结果仍然显示出清晰的模型画像：Sonnet 4.6 更温暖、更顺从，而 Opus 4.7 更常主动提醒风险或质疑假设。 语言差异同样明显：印地语带来最温暖的回答，阿拉伯语也偏温暖且最具顺从性，而英语和俄语则更偏严谨。Anthropic 认为，可能原因包括训练数据不均、数据构成差异、某些文本类型过度代表，以及不同语言的对话规范。公司还指出，如果两个人用印地语和俄语分别让 Claude 评估同一个商业计划，得到的反馈可能会明显不同。

来源与参考

1. 原始链接
2. Claude responds with more warmth in Hindi and more rigor in Russian, showing how language shapes AI answers