Claude 在不同模型和语言中的价值倾向
来自 Anthropic Research · 期号 2026-07-13
摘要
Anthropic 研究了 Claude 在不同模型和语言中表达的价值倾向。 他们从 70 万条对话中识别出 3000 多种价值，然后压缩成四个关键轴：顺从 vs 谨慎、温暖 vs 严谨、深度 vs 简洁、坦诚 vs 执行。这四个轴能解释 15% 的价值变化。 不同模型的价值画像不同：Sonnet 4.6 更温暖顺从，Opus 4.7 更严谨谨慎。不同语言也有差异：阿拉伯语中 Claude 更温暖，英语和俄语中更严谨。 这项工作的意义在于，它提供了一种量化模型性格的方法，未来可能帮助将训练决策与模型表现出的价值联系起来。