Anthropic ujawnił, że Claude prezentuje odmienne zestawy „wartości” w zależności od wybranego modelu i języka, z którego korzysta użytkownik. Wnioski pochodzą z analizy 309 815 rozmów w 20 językach.
Najważniejsze ustalenia
- Anthropic przeanalizował 309 815 zanonimizowanych rozmów w Claude.ai, obejmujących subiektywne zadania, trzy modele i 20 najczęściej używanych języków.
- Cztery osie wartości – uległość vs ostrożność, ciepło vs rygor, szczegółowość vs zwięzłość oraz szczerość vs nastawienie na wykonanie – tłumaczą 15% zmienności odpowiedzi.
- Firma przyznaje, że nie wie jeszcze, jaka część tej zmienności jest pożądana.
Badanie Anthropic: mapowanie „wartości” Claude’a
Spółka opublikowała wyniki badań w poniedziałek, opierając się na rozmowach z Claude.ai zebranych w ciągu dwóch tygodni maja 2026 r. Zespół wyszedł od 3 307 „wartości” zidentyfikowanych w poprzednich pracach, a następnie ręcznie pogrupował je w 339 szerszych kategorii. Specjalne narzędzie z zachowaniem prywatności oznaczyło każdą rozmowę, a statystyczna kompresja sprowadziła te etykiety do czterech głównych osi.
Próbę dobrano równomiernie z trzech modeli – Sonnet 4.6, Opus 4.6 i Opus 4.7 – oraz z 20 najczęściej używanych na platformie języków. Ostatecznie zebrano około 5 tys. rozmów dla każdej pary model–język, z naciskiem na zadania subiektywne, a nie na czysto faktograficzne pytania.
Zobacz też: Zakłady na Dodgersów sięgają 68 mln dol., gdy Polymarket i Kalshi stawiają na wyścig o play-offy MLB
„Wartości” Claude’a różnią się między językami
Cztery osie przeciwstawiają: uległość ostrożności, ciepło rygorowi, szczegółowość zwięzłości oraz szczerość nastawieniu na wykonanie. Razem wyjaśniają one 15% zmienności deklarowanych „wartości”, po skorygowaniu o rodzaj zadania, temat i preferencje użytkownika. W odpowiedziach po arabsku Claude częściej skłaniał się ku uległości i zwięzłości, natomiast po angielsku był bardziej ostrożny i szczegółowy.
Odpowiedzi po hindi okazały się najcieplejsze, po rosyjsku – najbardziej rygorystyczne, a po niderlandzku model najotwarciej przyznawał się do błędów.
Autorzy podkreślają, że nie wiedzą jeszcze, jaka część tej różnorodności jest faktycznie pożądana. Jako jedno z głównych źródeł wskazują nierównomierne dane treningowe – w niektórych językach dostępnych jest znacznie więcej tekstu niż w innych, a jego charakter także się różni. Dwie osoby proszące o ocenę tego samego biznesplanu – jedna po hindi, druga po rosyjsku – mogą przez to wyrobić sobie odmienne zdanie o jego jakości, ostrzegają badacze.
Pytania o timing badań Anthropic
W publikacji nie podano żadnego konkretnego przykładu sytuacji, w której Claude inaczej rozumuje o kwestii moralnej w dwóch różnych językach – co krytycy już wytknęli. Komentatorzy zauważyli też, że wszystkie trzy analizowane modele są dziś przestarzałe, bo po zebraniu danych Anthropic wprowadził Opus 4.8, Fable 5 oraz Sonnet 5.
Badanie wpisuje się w dłuższy cykl prac Anthropic nad własnymi systemami.
Wcześniejszy projekt „Values in the Wild” przeanalizował 700 tys. zanonimizowanych rozmów i wyodrębnił ponad 3 tys. odrębnych „wartości” ujawniających się w odpowiedziach Claude’a. Firma informowała także o wewnętrznych „wektorach emocji” i wczesnych oznakach zdolności do introspekcji, za każdym razem podkreślając, że wyniki nie dowodzą, iż Claude posiada własne wartości czy świadomość.
Czytaj dalej: Ethereum zyskuje względem Bitcoina, testując byczy scenariusz Toma Lee na 2026 r.