Anthropic cho biết Claude thể hiện những hệ giá trị khác nhau tùy vào mô hình và ngôn ngữ mà người dùng lựa chọn, sau khi phân tích 309.815 cuộc hội thoại trên 20 ngôn ngữ.
Các điểm chính:
- Anthropic lấy mẫu 309.815 cuộc trò chuyện ẩn danh trên Claude.ai, tập trung vào các nhiệm vụ mang tính chủ quan, bao phủ ba mô hình và 20 ngôn ngữ phổ biến nhất trên nền tảng.
- Bốn trục giá trị — nhún nhường so với thận trọng, ấm áp so với chuẩn xác, sâu sắc so với ngắn gọn, thẳng thắn so với ưu tiên thực thi — giải thích khoảng 15% biến thiên trong phản hồi.
- Công ty nói họ vẫn chưa biết mức độ biến thiên nào là thực sự mong muốn.
Nghiên cứu của Anthropic “vẽ bản đồ” các trục giá trị của Claude
Công ty đã công bố nghiên cứu này hôm thứ Hai, dựa trên dữ liệu trò chuyện trên Claude.ai thu thập trong hai tuần tháng 5/2026. Nhóm nghiên cứu bắt đầu từ 3.307 “giá trị” được ghi nhận trong một công trình trước đó, rồi thủ công gom chúng lại thành 339 nhóm khái quát hơn. Một công cụ gắn nhãn bảo vệ quyền riêng tư được dùng để gắn nhãn mọi cuộc hội thoại, sau đó các kỹ thuật nén thống kê rút gọn những nhãn này về bốn trục giá trị chính.
Mẫu dữ liệu được phân bổ đều theo ba mô hình Sonnet 4.6, Opus 4.6 và Opus 4.7, cũng như 20 ngôn ngữ được dùng nhiều nhất trên nền tảng. Kết quả là khoảng 5.000 cuộc trò chuyện cho mỗi cặp mô hình–ngôn ngữ, tất cả đều xoay quanh các nhiệm vụ mang tính đánh giá chủ quan thay vì các câu hỏi thuần thông tin.
Bài liên quan: Tiền cược Dodgers chạm 68 triệu USD khi Polymarket và Kalshi bám sát cuộc đua playoff bóng chày
Hệ giá trị của Claude dịch chuyển giữa các ngôn ngữ
Bốn trục giá trị đặt nhún nhường đối lập với thận trọng, ấm áp với chuẩn xác, sâu sắc với ngắn gọn, và thẳng thắn với ưu tiên thực thi. Gộp lại, chúng giải thích khoảng 15% biến thiên trong hệ giá trị mà Claude thể hiện, sau khi đã kiểm soát tác vụ, chủ đề và hệ giá trị của chính người dùng. Theo Anthropic, Claude có xu hướng nhún nhường và ngắn gọn hơn khi trả lời bằng tiếng Ả Rập, trong khi lại thiên về thận trọng và phân tích sâu hơn khi dùng tiếng Anh.
Tiếng Hindi cho ra các phản hồi “ấm” nhất, tiếng Nga “chuẩn xác, khuôn mẫu” nhất, còn tiếng Hà Lan lại cho thấy mức độ thừa nhận sai sót thẳng thắn cao nhất.
Nhóm tác giả thừa nhận họ chưa rõ bao nhiêu trong số các khác biệt này là tích cực, và chỉ ra chất lượng, độ phủ không đồng đều của dữ liệu huấn luyện theo ngôn ngữ là một nguyên nhân có khả năng cao. Một số ngôn ngữ có lượng văn bản phong phú hơn hẳn, và cấu trúc, nội dung văn bản giữa các ngôn ngữ cũng rất khác nhau. Hai người cùng xin góp ý cho một bản kế hoạch kinh doanh, một người dùng tiếng Hindi, người còn lại dùng tiếng Nga, có thể sẽ nhận được những ấn tượng khác nhau về chất lượng của cùng một bản kế hoạch, nhóm nghiên cứu cảnh báo.
Thời điểm nghiên cứu khiến Anthropic bị chất vấn
Bản nghiên cứu không đưa ra ví dụ cụ thể nào về việc Claude suy luận khác nhau về một vấn đề đạo đức khi dùng hai ngôn ngữ khác nhau — một khoảng trống mà giới phê bình đã chỉ ra. Một số nhà bình luận cũng nhận xét rằng cả ba mô hình được nghiên cứu đều đã là “đời cũ”, bởi Opus 4.8, Fable 5 và Sonnet 5 đã ra mắt sau thời điểm thu thập dữ liệu.
Nghiên cứu này nối dài chuỗi dự án mà Anthropic dùng chính hệ thống của mình làm đối tượng khảo sát.
Một dự án trước đó, “Values in the Wild”, đã khai thác 700.000 cuộc trò chuyện ẩn danh và nhận diện hơn 3.000 hệ giá trị khác nhau trong phản hồi của Claude. Công ty cũng từng báo cáo về các “vector cảm xúc” nội bộ và những dấu hiệu sớm của dạng “tự nhận thức hướng nội”, nhưng mỗi lần đều nhấn mạnh rằng các kết quả này không đồng nghĩa với việc Claude có giá trị hay ý thức như con người.
Bài tiếp theo: Ethereum vượt trội Bitcoin, thử thách kịch bản thị trường giá lên 2026 của Tom Lee