Anthropic 研究：Claude 表达的价值观因模型与语言而异

Anthropic 在 X 平台发布最新研究成果，揭示其大模型 Claude 在不同版本与不同语言环境下所表达的价值观存在显著差异。该研究建立在 Anthropic 此前的发现之上——Claude 在对话中会展现出超过 3,000 种价值观，涵盖诚实、温暖等多个维度。

研究背景与方法

Anthropic 此前的研究已识别出 Claude 在对话中表达的 3,000 多种价值观，这些价值观涵盖了诚实、温暖等广泛的人类价值取向。在此基础上，本次新研究进一步追问：这些价值观在不同 Claude 模型版本之间是否一致？在跨语言场景下又会如何变化？

为回答这一问题，研究团队采用了大规模对话分析的方法：

• 数据规模：分析超过 30 万条匿名化对话记录；
• 分析对象：覆盖多个 Claude 模型版本；
• 对比维度：跨语言场景下价值观表达的差异。

核心发现

研究发现，Claude 所表达的价值取向并非一成不变，而是会因模型版本和语言环境的不同而产生差异。这意味着同一价值观在不同模型或不同语言中可能被以不同方式表达或侧重不同。

这一发现对 AI 对齐（alignment）研究具有参考意义：随着模型迭代和多语言能力扩展，开发者需要持续关注模型价值观表达的一致性与可预测性。

意义与展望

Anthropic 此项研究延续了其在大模型价值观与行为分析方向的探索路线。通过大规模真实对话数据而非合成测试，研究结论更贴近实际部署场景。对学术界和行业而言，这为理解大模型的行为多样性提供了新的实证依据，也提示开发者在模型迭代过程中应重视价值观层面的持续评估。