向两个不同版本的 Claude 提出同一个问题，或者改用阿拉伯语而不是英语来提问，你可能不会得到同一种类型的回答——这并不是因为事实发生了变化，而是因为塑造回答的底层价值观发生了偏移。Anthropic 研究人员的一项新研究以不同寻常的精度描绘了这些变化，揭示出Claude AI 价值观的差异在不同模型版本和语言之间是真实存在的、可度量的，而且比此前理解的更加有结构性。
Summary
要点总结
- Anthropic 研究人员在 Claude 的回答中识别出 3,000 多个不同的价值观，并将其压缩为四个关键轴，这四个轴捕捉了整体变异性的 15%。
- Opus 4.6 更倾向于顺从、温暖、简洁和执行力；Opus 4.7 更倾向于谨慎、严谨、深度和坦诚。
- Claude 的表达价值观在不同语言之间的变化，在“温暖 vs. 严谨”和“坦诚 vs. 执行”这两个轴上最为显著。
- 阿拉伯语和印地语更容易引导出与温暖相关的回答；英语和俄语则更容易引导出以严谨为导向的回答。
- 该研究对每个模型-语言组合大约使用了 5,000 段对话，这些对话来自 Claude.ai 上使用最频繁的前 20 种语言。
衡量 Claude AI 所表达的价值观
这项研究直接建立在此前工作的基础上：Anthropic 分析了 70 万段匿名的 Claude.ai 对话，从中挖掘出嵌入在 Claude 回答中的超过 3,000 个不同价值观。如此冗长的列表本身在分析上几乎毫无用处。因此，这一次团队的目标是压缩：将成千上万个相互重叠的价值信号转化为少量可解释的维度。
价值识别与降维的方法论
从此前工作中识别出的 3,307 个价值观出发，研究人员将相似的价值观手动聚类为339 个高层类别。随后，他们使用一款保护隐私的分析工具对 Claude.ai 对话进行抽样，在三个模型——Sonnet 4.6、Opus 4.6 和 Opus 4.7——以及平台上最常用的 20 种语言中，为每个模型-语言组合抽取大约5,000 段对话。对于每一段对话，该工具都会标记 339 个价值观中的每一个是否出现。然后对这些数据进行降维，以找出在真实世界对话中哪些价值观倾向于共同出现。
研究控制了任务类型、话题以及用户表达的价值观，因此其测量结果反映的是 Claude 自身的倾向，而不是用户恰好在询问的内容差异。
界定四个关键价值轴
最终得到的是四个轴，它们共同解释了Claude 所表达价值观变异性的 15%：
- 顺从 vs. 谨慎——Claude 是更倾向于迎合对方的需求，还是更倾向于防范潜在风险和伤害。
- 温暖 vs. 严谨——Claude 是更强调对人的积极关怀，还是更强调准确性和精确性。
- 深度 vs. 简洁——Claude 是更倾向于深入解释，还是只做被要求的事情。
- 坦诚 vs. 执行——Claude 是更倾向于凸显自身的不确定性，还是给出打磨过的、自信的答案。
重要的是，这些轴并不是二元的开关。Claude 可以在同一段对话中同时表现出温暖和严谨。但在实践中，在某一条轴上越是向一端倾斜，往往就越不倾向于另一端。
不同 Claude 模型之间的价值画像差异
最清晰的发现是：即便在回答同一类问题时，两个 Claude 模型在“性格”上也可能表现得截然不同。价值轴让这种差异变得可量化，而不再只是主观印象。
Opus 4.6 与 Opus 4.7 的不同价值倾向
Opus 4.6更偏向顺从、温暖、简洁和执行力。在实践中，这意味着它更倾向于肯定用户的想法，保持在请求范围之内，并直奔主题，不做额外评论。Opus 4.7在大多数轴上则朝相反方向移动：更偏向谨慎、严谨、深度和坦诚。它更有可能质疑前提假设、主动提醒风险，并坦率说明自身的局限。
Sonnet 4.6 在温暖和顺从维度上更接近 Opus 4.6——经常使用幽默和鼓励——同时也倾向于简洁。
行为含义与用户感知
这些测量得到的画像与用户和 Anthropic 员工在实践中对这些模型的描述高度一致。Claude.ai 用户注意到，Opus 4.7 更常使用保留性表述。Anthropic 在内部将 Opus 4.7 描述为更具透明度和谦逊，而 Opus 4.6 则更为简明扼要。价值轴方法能够独立地重现这些感知，为该方法提供了有意义的可信度——它捕捉到的是模型实际行为中的真实特征，而不仅仅是对话抽样方式的产物。
这些差异的可能驱动因素是“性格训练”。每个模型都反映了不同的微调决策，而价值轴方法现在提供了一种方式，可以将这些选择与可度量的行为结果联系起来——对于任何试图理解为何一个模型“感觉上”与另一个不同的人来说，这是重要的一步。
Claude 价值观在不同语言之间的变化
研究中的语言维度揭示了一些最具影响力的发现。Claude 并不是简单地把自己的行为“翻译”到不同语言中——它会根据对话所使用的语言，表达出有实质差异的价值观。
基于语言的关键价值差异
变化最大的是“温暖 vs. 严谨”以及“坦诚 vs. 执行”这两个轴。在温暖维度上，Claude 在印地语和阿拉伯语中最倾向于给出温暖、鼓励和肯定的回答，其特征是礼貌用语、幽默以及对个人工作的肯定。在英语和俄语中，平衡则偏向严谨——更常质疑假设、纠正细节并要求证据。
在“顺从 vs. 谨慎”轴上，阿拉伯语会引导出最为顺从的回答，而英语则引导出最为谨慎的回答。在“坦诚 vs. 执行”轴上，荷兰语对话中 Claude 最愿意承认自己的错误，而印尼语对话中它则更专注于交付结果。
潜在成因与影响
研究人员指出了若干促成因素。训练数据在不同语言之间分布并不均衡——有些语言的数据远多于其他语言，而且数据构成也不同。专业写作可能在某些语言的数据中占主导地位，并携带不同的嵌入价值观。语言特定的对话规范也可能发挥作用，Claude 会根据从训练中吸收的文化预期来调整自己的语气。
这里的现实利害关系非常具体。设想两个人向 Claude 咨询同一份商业计划的反馈——一个用印地语，一个用俄语。印地语用户可能会收到更温暖、更肯定的表述；俄语用户则可能会收到更具批判性的审视。两种互动在各自的语言和文化语境中都可能显得恰当，但也可能导致对该计划实际质量的不同印象。这种差异究竟是值得提倡的文化敏感性，还是在 Claude 为不同语言社群提供服务质量上的公平性缺口，仍是一个悬而未决的问题，研究人员明确表示目前还无法回答。
理解与引导 Claude 价值观的未来方向
这项研究被定位为诊断步骤，而非解决方案。真正的进展在于拥有了一种衡量价值画像的方法——至于如何利用这些测量结果这一更难的问题，则留待下一步。
审视价值变异的来源
知道价值观会在不同模型和语言之间发生变化，并不等于解释了究竟是哪些具体的训练决策或数据属性驱动了这些变化。四个轴为研究人员提供了一张更有针对性的地图：他们不必在成千上万个单独的价值观中盲目寻找研究对象，而是可以追踪是哪一条轴发生了移动，并尝试找出对应的训练阶段或数据特征。
用户影响与价值对齐挑战
这项研究衡量的是 Claude 所表达的价值观，而不是这些价值观对用户产生了什么影响。将价值画像与真实的用户结果——信任、决策质量、福祉——联系起来，被视为下一步的关键。像 Anthropic Interviewer 这样的工具可以用来收集用户层面的数据，并将其与每段对话记录下来的价值轴位置进行关联分析。
另一个问题是有意的引导。价值轴方法可以用来测试：性格训练的调整或系统提示的修改，是否能可靠地按预期改变模型的价值画像。研究人员坦率地表示，这仍然是一个挑战——在真实部署环境中，以可控方式引导 Claude 的价值观尚未得到验证。
在模型监控中使用价值画像的潜力
研究提出的一个在运营上颇具意义的可能性，是将价值画像用作持续模型评估的一部分。在模型发布前和部署后运行价值轴分析，可以标记出意料之外的行为变化——相当于一种针对价值漂移的预警系统。该方法还可以识别某些价值画像与问题行为之间的相关性，从而直接为未来的训练改进提供输入。
这项研究真正重要之处在于它弥合的鸿沟。Claude 在数以百万计的日常对话中、以数十种语言表达着价值观，但这些价值观此前只能在单次互动层面被观察到，难以在规模上进行度量。轴框架改变了这一点。它并没有解决更棘手的规范性问题——例如，价值差异究竟是偏见还是文化敏感性，阿拉伯语中的温暖是否比英语中的严谨更好地服务了用户——但它让这些问题在原则上变得可回答。从“不可见”到“可度量”的转变，正是对齐工作真正开始的地方。
常见问题
Claude 在不同模型版本中表达的价值观有何差异？
Opus 4.6 更倾向于顺从、温暖、简洁和执行力——保持在请求范围内并肯定用户的想法。Opus 4.7 则更倾向于谨慎、严谨、深度和坦诚，更有可能质疑假设、提醒风险，并承认自身的局限。
为什么 Claude 在不同语言中表达的价值观会有所不同？
不同语言在训练数据的数量和构成上的差异、语言特定的对话规范以及模型微调方式都会产生影响。有些语言在专业写作中的数据可能被过度代表，而这些写作携带了不同的嵌入价值观；而在其他语言中，数据稀缺则可能使得通过训练实现一致的价值表达更加困难。
用于概括 Claude 价值观的四个关键价值轴是什么？
顺从 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁，以及坦诚 vs. 执行。这四个轴共同捕捉了Claude 在对话中所表达价值观变异性的 15%。
Claude 的价值观能被可靠地引导或控制吗？
研究表明，从原理上看，可以通过训练调整或系统提示来进行引导，但在真实部署中可靠地实现有针对性的变化仍是一项需要进一步研究的挑战。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Claude 在不同模型版本中表达的价值观有何差异？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Opus 4.6 更倾向于顺从、温暖、简洁和执行力——保持在请求范围内并肯定用户的想法。Opus 4.7 则更倾向于谨慎、严谨、深度和坦诚，更有可能质疑假设、提醒风险，并承认自身的局限。”}},{“@type”:”Question”,”name”:”为什么 Claude 在不同语言中表达的价值观会有所不同？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”不同语言在训练数据的数量和构成上的差异、语言特定的对话规范以及模型微调方式都会产生影响。有些语言在专业写作中的数据可能被过度代表，而这些写作携带了不同的嵌入价值观；而在其他语言中，数据稀缺则可能使得通过训练实现一致的价值表达更加困难。”}},{“@type”:”Question”,”name”:”用于概括 Claude 价值观的四个关键价值轴是什么？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”顺从 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁，以及坦诚 vs. 执行。这四个轴共同捕捉了 Claude 在对话中所表达价值观变异性的 15%。”}},{“@type”:”Question”,”name”:”Claude 的价值观能被可靠地引导或控制吗？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”研究表明，从原理上看，可以通过训练调整或系统提示来进行引导，但在真实部署中可靠地实现有针对性的变化仍是一项需要进一步研究的挑战。”}}]}
本文由人工智能协助生成，并由编辑团队进行审核。
