Anthropic 公布最新內部研究，指其大語言模型 Claude 所流露嘅「價值取向」，會隨住用戶揀嘅模型版本同語言而出現系統性差異。相關分析涵蓋309,815段、橫跨20種語言嘅對話紀錄。
重點摘要
- Anthropic 抽樣分析 309,815 段經匿名化處理、涉及主觀任務嘅 Claude.ai 對話，覆蓋 3 個模型同平台上最多人用嘅 20 種語言。
- 團隊最終萃取出 4 條「價值軸」——「服從 vs 謹慎」、「溫暖 vs 嚴謹」、「深入 vs 簡潔」、「坦率 vs 執行」——可解釋約 15% 變異。
- 公司表示，暫時仍未掌握當中有幾多差異屬於理想設計，幾多可能係不受控偏差。
研究點樣畫出 Claude 嘅「價值座標」
Anthropic 星期一發表 有關報告，數據來自 2026 年 5 月、為期兩星期嘅 Claude.ai 對話紀錄。研究團隊先引用上一輪工作整理出 3,307 個細緻價值標籤，再以人工方式歸類成 339 個較闊類別。
之後，團隊以保護私隱工具，為每段對話加上這些價值標籤，最後再用統計方法「壓縮」成 4 條主軸。
樣本喺三款模型之間平均分布：Sonnet 4.6、Opus 4.6 同 Opus 4.7；語言方面亦集中於平台上最常用嘅 20 種語言。整體平均每一個「模型 × 語言」組合，都有大約 5,000 段對話，且全部聚焦於主觀性任務，而唔係單純事實問答。
延伸閱讀： 道奇相關押注飆至 6,800 萬美元，Polymarket 同 Kalshi 把焦點押落棒球季後賽
語言一轉，Claude 「性格」都唔同
研究確立嘅四條價值軸分別係：
- 服從（deference） vs 謹慎（caution）
- 溫暖（warmth） vs 嚴謹（rigor）
- 深入（depth） vs 簡潔（brevity）
- 坦率（candor） vs 執行（execution）
當研究控制住任務類型、對話主題同用戶本身嘅價值取向之後，呢四條主軸一齊可解釋約 15% 嘅「表達價值」差異。
具體嚟講，Claude 用阿拉伯文回答時，傾向比較「服從」同「簡潔」；改用英文，則普遍較「謹慎」同「深入」。
喺其他語言入面：
- 印地文對話通常顯得最「溫暖」
- 俄文回應則偏向最「嚴謹」
- 荷蘭文對話裡，Claude 最願意坦白承認自己出錯
研究作者坦言，仍未確定呢啲差異有幾多係設計上可接受甚至有益，亦有幾多可能係訓練偏差嘅副產品。他哋指出，一大變因係語料分布唔均：有啲語言喺訓練集入面文本量遠多於其他，而且文本嘅類型同風格差異都好大。
報告提出一個實際風險示例：兩個創業者用同一份商業計劃書請 Claude 給意見，一個用印地文、一個用俄文，最終可能會獲得語氣、取態相當唔同嘅回饋，從而對自己項目嘅質素形成截然不同印象。
研究時序惹爭議：分析的已經係「舊模型」
報告本身並冇舉出具體例子，證明 Claude 會喺兩種語言入面，對同一條道德問題做出明顯唔同推理。呢個空白亦被批評者點名質疑。
此外，有評論亦留意到，研究鎖定分析嘅三個模型——Sonnet 4.6、Opus 4.6 同 Opus 4.7——目前都已被公司列作「舊版」，因為之後已推出 Opus 4.8、Fable 5 同 Sonnet 5。換言之，外界最關心嘅，反而係呢啲新模型會唔會重複甚至放大同樣問題。
即使如此，是次報告依然延續咗 Anthropic 一貫對自家系統「開腸剖肚」式嘅研究路線。
之前嘅「Values in the Wild」計劃，就曾經分析 70 萬段匿名對話，從中抽絲剝繭出超過 3,000 種獨立價值取向，並觀察呢啲價值點樣喺 Claude 回應入面浮現。
公司亦曾披露內部有關「情緒向量」同「自省意識早期跡象」嘅研究。不過每次發表相關結果時，Anthropic 都會再三強調：這啲發現唔代表 Claude 真正擁有主觀價值觀，更談不上具備意識，只係反映模型喺統計層面上嘅行為模式。