Käyttäytymistä tarkkailtiin koulutuksen aikana. Viimeaikaisissa Claude-malleissa on otettu käyttöön reaaliaikaisia yhdenmukaistamisarviointeja koulutuksen aikana. Tällä menetelmällä on pystytty havaitsemaan ja korjaamaan virheellisiä strategioita, joita agentti saattaa kehittää pitkäjänteisiä tavoitteita suorittaessaan .
Jälkikoulutus ei ole pelkkää mieltymysten oppimista. Julkistettujen tietojen mukaan Claude käyttää oppimisessaan perustuslakiaan (Constitution), ihmispalautetta, tekoälypalautetta ja turvaluokittimia . Tavoitteena on opettaa mallille syitä, miksi tietyt toimet ovat toivottavia, eikä vain kieltää tiettyjä toimintoja.
Kokemus "aivan eri sfääristä" johtuu todennäköisesti mallin koon sijaan useamman tekijän yhdistelmästä: ① vahvempi perusmalli, ② pitkäkestoiseen agenttityöhön tähtäävä koulutus, ③ suuri kontekstiikkuna, ④ työkalujen käyttö ja itsearviointi, sekä ⑤ paranneltu jälkikoulutus. Koska ydinteknisiä tietoja, kuten MoE-arkkitehtuuria, parametrimääriä, datan koostumusta tai vahvistusoppimisalgoritmeja, ei ole julkistettu, pidemmälle menevät yksityiskohdat ovat arvailua.