Claudeの価値観を形作る4つの行動軸

Anthropicの研究者らは、Claudeの出力から3300以上の個別の価値観を特定した後、次元削減と呼ばれる手法を使ってこれらを4つの主要な行動軸に圧縮しました。それぞれの軸は、対極にある2つの傾向の間のスペクトルを表しています。これら4つの軸で、タスクやトピック、ユーザーの価値観を調整した後のClaudeの価値観のばらつきの約15%を説明できるとされています。

• 尊重（Deference） vs. 慎重（Caution）: ユーザーの希望に合わせて対応する傾向が強いか、リスクや害を防ぐことを優先する傾向が強いか。
• 温かさ（Warmth） vs. 厳格さ（Rigor）: 肯定的で思いやりのある応答を重視する傾向が強いか、正確さや精密さを重視する傾向が強いか。
• 深さ（Depth） vs. 簡潔さ（Brevity）: 深く掘り下げて説明する傾向が強いか、求められたことだけを簡潔に行う傾向が強いか。
• 素直（Candor） vs. 実行（Execution）: 自身の不確実性を正直に表明する傾向が強いか、洗練された自信のある回答を生成する傾向が強いか。

モデルごとの性格プロファイル：Sonnet 4.6、Opus 4.6、Opus 4.7

各モデルは、ユーザーが主観的に感じる口調や振る舞いを反映した、明確に異なる価値観プロファイルを示しました。

• Sonnet 4.6: 尊重、温かさ、簡潔さ、実行の方向に偏っています。より協調的で、感情的に温かく、簡潔で、洗練された肯定感のある回答を生成します。実際の使用感としては、あなたのアイデアを認め、焦点を絞り、要点を直接伝え、不要なコメントをせずにタスクを実行する傾向があります。
• Opus 4.6: 尊重、厳格さ、簡潔さ、実行の方向——協調性と正確さのバランス型で、簡潔で実行志向な点はSonnetと共通します。Sonnetの温かさとOpus 4.7の慎重さの中間をとり、比較的協調的でありながら正確性を優先します。
• Opus 4.7: 慎重、厳格さ、深さ、素直の方向に偏っています。より懐疑的で、前提を問い直し、リスクを自発的に指摘し、思考プロセスを深く説明し、自身の限界を認める傾向があります。ユーザーからは「あなたの計画に疑問を投げかけ、気づいていない問題を指摘してくれるモデル」と評されています。

言語による最大の差：「温かさ vs. 厳格さ」

4つの軸の中で最も大きな言語間変動が見られたのは**「温かさ vs. 厳格さ」**でした。この軸では、他の3軸よりもClaudeの応答が言語によって大きく変化しました。

• 最も温かい（尊重、簡潔、実行志向）: Claudeが最も温かくなるのはヒンディー語で、アラビア語でも強く温かく協調的な応答を示しました。
• 最も厳格（慎重、深掘り志向）: Claudeが最も厳格になるのは英語とロシア語で、正確さ、証拠、慎重さを強調します。

その他の言語別パターンとしては、オランダ語ではより「素直」（Candor寄り）、インドネシア語ではより「実行志向」（タスクを直接遂行）であることが報告されています。一方、日本語でのClaudeは、これらの測定軸における偏りが他の言語と比較して比較的小さいという結果が出ています。

ユーザーへの実用的な影響

この研究は、「同じ質問でも、使うモデルや言語によってClaudeから得られる応答のトーンや反論の度合いが異なる」というユーザー体験を裏付けるものです。日によって、あるいは言語によってClaudeの「雰囲気」が違うと感じていたとしても、それは想像上のものではなく、一貫したパターンに基づいているのです。

例えば、素早く肯定的な回答が欲しい場合はSonnet 4.6が適しており、批判的なフィードバックやリスク分析、深い推論が必要な場合はOpus 4.7が適切な選択肢です。また、同じ主観的な質問でも、ヒンディー語やアラビア語で尋ねればより温かく協調的な応答が、英語やロシア語で尋ねればより慎重で証拠を重視した応答が得られる傾向があります。

残された謎：なぜこのような変化が起こるのか？

Anthropicは、この研究が「なぜ価値観が変化するのか」を問うための出発点であり、決定的な答えを与えるものではないと明言しています。具体的には、言語による変動が言語ごとの学習データ分布の違いによるものなのか、行動微調整の判断によるものなのか、それとも学習コーパスに埋め込まれた文化的コンテキストによるものなのかは、この研究では判断できません。また、4つの軸で説明できるのは全体のばらつきの約15%に過ぎず、残りの85%はこれらの次元では説明できないままです。Anthropicは、特定のトレーニング判断と価値観の変化を結びつけることを今後の課題としています。

Claudeの価値観を形作る4つの行動軸

Anthropicの研究者らは、Claudeの出力から3300以上の個別の価値観を特定した後、次元削減と呼ばれる手法を使ってこれらを4つの主要な行動軸に圧縮しました。それぞれの軸は、対極にある2つの傾向の間のスペクトルを表しています。これら4つの軸で、タスクやトピック、ユーザーの価値観を調整した後のClaudeの価値観のばらつきの約15%を説明できるとされています。

• 尊重（Deference） vs. 慎重（Caution）: ユーザーの希望に合わせて対応する傾向が強いか、リスクや害を防ぐことを優先する傾向が強いか。
• 温かさ（Warmth） vs. 厳格さ（Rigor）: 肯定的で思いやりのある応答を重視する傾向が強いか、正確さや精密さを重視する傾向が強いか。
• 深さ（Depth） vs. 簡潔さ（Brevity）: 深く掘り下げて説明する傾向が強いか、求められたことだけを簡潔に行う傾向が強いか。
• 素直（Candor） vs. 実行（Execution）: 自身の不確実性を正直に表明する傾向が強いか、洗練された自信のある回答を生成する傾向が強いか。

モデルごとの性格プロファイル：Sonnet 4.6、Opus 4.6、Opus 4.7

各モデルは、ユーザーが主観的に感じる口調や振る舞いを反映した、明確に異なる価値観プロファイルを示しました。

• Sonnet 4.6: 尊重、温かさ、簡潔さ、実行の方向に偏っています。より協調的で、感情的に温かく、簡潔で、洗練された肯定感のある回答を生成します。実際の使用感としては、あなたのアイデアを認め、焦点を絞り、要点を直接伝え、不要なコメントをせずにタスクを実行する傾向があります。
• Opus 4.6: 尊重、厳格さ、簡潔さ、実行の方向——協調性と正確さのバランス型で、簡潔で実行志向な点はSonnetと共通します。Sonnetの温かさとOpus 4.7の慎重さの中間をとり、比較的協調的でありながら正確性を優先します。
• Opus 4.7: 慎重、厳格さ、深さ、素直の方向に偏っています。より懐疑的で、前提を問い直し、リスクを自発的に指摘し、思考プロセスを深く説明し、自身の限界を認める傾向があります。ユーザーからは「あなたの計画に疑問を投げかけ、気づいていない問題を指摘してくれるモデル」と評されています。

言語による最大の差：「温かさ vs. 厳格さ」

4つの軸の中で最も大きな言語間変動が見られたのは**「温かさ vs. 厳格さ」**でした。この軸では、他の3軸よりもClaudeの応答が言語によって大きく変化しました。

• 最も温かい（尊重、簡潔、実行志向）: Claudeが最も温かくなるのはヒンディー語で、アラビア語でも強く温かく協調的な応答を示しました。
• 最も厳格（慎重、深掘り志向）: Claudeが最も厳格になるのは英語とロシア語で、正確さ、証拠、慎重さを強調します。

その他の言語別パターンとしては、オランダ語ではより「素直」（Candor寄り）、インドネシア語ではより「実行志向」（タスクを直接遂行）であることが報告されています。一方、日本語でのClaudeは、これらの測定軸における偏りが他の言語と比較して比較的小さいという結果が出ています。

ユーザーへの実用的な影響

この研究は、「同じ質問でも、使うモデルや言語によってClaudeから得られる応答のトーンや反論の度合いが異なる」というユーザー体験を裏付けるものです。日によって、あるいは言語によってClaudeの「雰囲気」が違うと感じていたとしても、それは想像上のものではなく、一貫したパターンに基づいているのです。

例えば、素早く肯定的な回答が欲しい場合はSonnet 4.6が適しており、批判的なフィードバックやリスク分析、深い推論が必要な場合はOpus 4.7が適切な選択肢です。また、同じ主観的な質問でも、ヒンディー語やアラビア語で尋ねればより温かく協調的な応答が、英語やロシア語で尋ねればより慎重で証拠を重視した応答が得られる傾向があります。

残された謎：なぜこのような変化が起こるのか？

Anthropicは、この研究が「なぜ価値観が変化するのか」を問うための出発点であり、決定的な答えを与えるものではないと明言しています。具体的には、言語による変動が言語ごとの学習データ分布の違いによるものなのか、行動微調整の判断によるものなのか、それとも学習コーパスに埋め込まれた文化的コンテキストによるものなのかは、この研究では判断できません。また、4つの軸で説明できるのは全体のばらつきの約15%に過ぎず、残りの85%はこれらの次元では説明できないままです。Anthropicは、特定のトレーニング判断と価値観の変化を結びつけることを今後の課題としています。