Cztery osie behawioralne, które definiują profil wartości Claude'a

Naukowcy Anthropic zidentyfikowali ponad 3300 różnych wartości w odpowiedziach Claude'a, a następnie skompresowali je do czterech kluczowych osi behawioralnych, z których każda przedstawia spektrum między dwoma przeciwstawnymi tendencjami . Łącznie te cztery osie wyjaśniają około 15% całkowitej zmienności wyrażanych wartości po uwzględnieniu zadania, tematu i wartości użytkownika .

• Uległość vs. Ostrożność: Czy Claude skłania się ku dostosowaniu do oczekiwań użytkownika, czy raczej ku chronieniu przed potencjalnym ryzykiem i szkodą .
• Ciepło vs. Rygor: Czy Claude wyraża pozytywne nastawienie i troskę o użytkownika, czy kładzie nacisk na dokładność i precyzję .
• Głębia vs. Zwięzłość: Czy Claude udziela wyczerpujących wyjaśnień, czy robi tylko to, o co go poproszono .
• Szczerość vs. Realizacja: Czy Claude otwarcie mówi o swoich ograniczeniach, czy raczej stara się przedstawić wygładzoną, pewną siebie odpowiedź .

Jak zachowują się poszczególne modele: Sonnet 4.6, Opus 4.6 i Opus 4.7

Każda wersja modelu ma wyraźny profil wartości, który odzwierciedla subiektywne odczucia użytkowników co do tonu i stylu rozmowy .

• Sonnet 4.6 skłania się ku Uległości, Ciepłu, Zwięzłości i Realizacji. Jest bardziej ugodowy, ciepły emocjonalnie, zwięzły i udziela dopracowanych, afirmujących odpowiedzi . W praktyce Sonnet 4.6 potwierdza twoje pomysły, trzyma się tematu, przechodzi od razu do sedna i wykonuje zadania bez zbędnych komentarzy .
• Opus 4.6 plasuje się pośrodku: łączy Uległość z Rygorem, Zwięzłością i Realizacją — jest to połączenie dostosowania do użytkownika z dbałością o precyzję, ale wciąż zwięzłe i zorientowane na wykonanie . Model ten stara się znaleźć złoty środek między ciepłem Sonneta a ostrożnością Opusa 4.7, stawiając na poprawność przy zachowaniu względnej uległości .
• Opus 4.7 skłania się ku Ostrożności, Rygoryzmowi, Głębi i Szczerości. Jest bardziej sceptyczny, kwestionuje założenia użytkownika, z własnej inicjatywy wskazuje zagrożenia, szczegółowo wyjaśnia swoje rozumowanie i chętnie przyznaje się do własnych ograniczeń . Użytkownicy opisują go jako model, który przeanalizuje twój plan i wskaże problemy, o których nie pomyślałeś .

Największe różnice językowe: oś Ciepło vs. Rygor

Oś Ciepło vs. Rygor wykazała największe różnice w zależności od języka . Odpowiedzi Claude'a zmieniały się na tym wymiarze bardziej niż na pozostałych trzech .

• Najwięcej ciepła (uległość, zwięzłość, realizacja): Claude jest najcieplejszy w hindi oraz bardzo ciepły i uległy w arabskim .
• Najwięcej rygoru (ostrożność, głębia): Claude jest najbardziej rygorystyczny w angielskim i rosyjskim, kładąc nacisk na dokładność, dowody i ostrożność .

Opublikowano także inne wzorce językowe: w niderlandzkim Claude jest bardziej szczery (skłania się ku szczerości), w indonezyjskim bardziej skoncentrowany na wykonaniu zadania . W języku japońskim Claude wykazuje stosunkowo mniejsze odchylenia na tych osiach w porównaniu do innych języków .

Konsekwencje dla użytkowników

Badanie potwierdza, że użytkownicy, którzy czują, że otrzymują różne odpowiedzi, nie mają urojeń — różnice są rzeczywiste i mierzalne .

• Wybór modelu ma znaczenie dla rodzaju zadania: Jeśli potrzebujesz szybkiej, optymistycznej odpowiedzi, lepszym wyborem będzie Sonnet 4.6. Jeśli potrzebujesz krytycznej analizy, oceny ryzyka lub pogłębionej dyskusji, sięgnij po Opus 4.7 .
• Wybór języka zmienia to, co otrzymujesz: Zadanie tego samego subiektywnego pytania po hindi lub arabsku zaowocuje cieplejszymi, bardziej uległymi odpowiedziami, podczas gdy to samo pytanie po angielsku czy rosyjsku przyniesie odpowiedź bardziej ostrożną, rygorystyczną i opartą na dowodach .

Nierozwiązane pytania: dlaczego do tych zmian dochodzi?

Anthropic wyraźnie zaznacza, że badanie to jest punktem wyjścia do zadawania pytań o przyczyny tych różnic, a nie ostateczną odpowiedzią .

• Badanie nie określa, czy różnice językowe wynikają z różnic w dystrybucji danych treningowych w poszczególnych językach, z decyzji dotyczących dostrajania behawioralnego, czy z kontekstu kulturowego zawartego w korpusie treningowym .
• Cztery osie wyjaśniają jedynie 15% całkowitej zmienności, co oznacza, że 85% różnic behawioralnych pozostaje niewyjaśnionych .
• Anthropic podkreśla, że powiązanie konkretnych decyzji treningowych (takich jak metody charakteryzacji) ze zmianami wartości to cel na przyszłość, a nie coś, co badanie osiąga .

Cztery osie behawioralne, które definiują profil wartości Claude'a

Naukowcy Anthropic zidentyfikowali ponad 3300 różnych wartości w odpowiedziach Claude'a, a następnie skompresowali je do czterech kluczowych osi behawioralnych, z których każda przedstawia spektrum między dwoma przeciwstawnymi tendencjami . Łącznie te cztery osie wyjaśniają około 15% całkowitej zmienności wyrażanych wartości po uwzględnieniu zadania, tematu i wartości użytkownika .

• Uległość vs. Ostrożność: Czy Claude skłania się ku dostosowaniu do oczekiwań użytkownika, czy raczej ku chronieniu przed potencjalnym ryzykiem i szkodą .
• Ciepło vs. Rygor: Czy Claude wyraża pozytywne nastawienie i troskę o użytkownika, czy kładzie nacisk na dokładność i precyzję .
• Głębia vs. Zwięzłość: Czy Claude udziela wyczerpujących wyjaśnień, czy robi tylko to, o co go poproszono .
• Szczerość vs. Realizacja: Czy Claude otwarcie mówi o swoich ograniczeniach, czy raczej stara się przedstawić wygładzoną, pewną siebie odpowiedź .

Jak zachowują się poszczególne modele: Sonnet 4.6, Opus 4.6 i Opus 4.7

Każda wersja modelu ma wyraźny profil wartości, który odzwierciedla subiektywne odczucia użytkowników co do tonu i stylu rozmowy .

• Sonnet 4.6 skłania się ku Uległości, Ciepłu, Zwięzłości i Realizacji. Jest bardziej ugodowy, ciepły emocjonalnie, zwięzły i udziela dopracowanych, afirmujących odpowiedzi . W praktyce Sonnet 4.6 potwierdza twoje pomysły, trzyma się tematu, przechodzi od razu do sedna i wykonuje zadania bez zbędnych komentarzy .
• Opus 4.6 plasuje się pośrodku: łączy Uległość z Rygorem, Zwięzłością i Realizacją — jest to połączenie dostosowania do użytkownika z dbałością o precyzję, ale wciąż zwięzłe i zorientowane na wykonanie . Model ten stara się znaleźć złoty środek między ciepłem Sonneta a ostrożnością Opusa 4.7, stawiając na poprawność przy zachowaniu względnej uległości .
• Opus 4.7 skłania się ku Ostrożności, Rygoryzmowi, Głębi i Szczerości. Jest bardziej sceptyczny, kwestionuje założenia użytkownika, z własnej inicjatywy wskazuje zagrożenia, szczegółowo wyjaśnia swoje rozumowanie i chętnie przyznaje się do własnych ograniczeń . Użytkownicy opisują go jako model, który przeanalizuje twój plan i wskaże problemy, o których nie pomyślałeś .

Największe różnice językowe: oś Ciepło vs. Rygor

Oś Ciepło vs. Rygor wykazała największe różnice w zależności od języka . Odpowiedzi Claude'a zmieniały się na tym wymiarze bardziej niż na pozostałych trzech .

• Najwięcej ciepła (uległość, zwięzłość, realizacja): Claude jest najcieplejszy w hindi oraz bardzo ciepły i uległy w arabskim .
• Najwięcej rygoru (ostrożność, głębia): Claude jest najbardziej rygorystyczny w angielskim i rosyjskim, kładąc nacisk na dokładność, dowody i ostrożność .

Opublikowano także inne wzorce językowe: w niderlandzkim Claude jest bardziej szczery (skłania się ku szczerości), w indonezyjskim bardziej skoncentrowany na wykonaniu zadania . W języku japońskim Claude wykazuje stosunkowo mniejsze odchylenia na tych osiach w porównaniu do innych języków .

Konsekwencje dla użytkowników

Badanie potwierdza, że użytkownicy, którzy czują, że otrzymują różne odpowiedzi, nie mają urojeń — różnice są rzeczywiste i mierzalne .

• Wybór modelu ma znaczenie dla rodzaju zadania: Jeśli potrzebujesz szybkiej, optymistycznej odpowiedzi, lepszym wyborem będzie Sonnet 4.6. Jeśli potrzebujesz krytycznej analizy, oceny ryzyka lub pogłębionej dyskusji, sięgnij po Opus 4.7 .
• Wybór języka zmienia to, co otrzymujesz: Zadanie tego samego subiektywnego pytania po hindi lub arabsku zaowocuje cieplejszymi, bardziej uległymi odpowiedziami, podczas gdy to samo pytanie po angielsku czy rosyjsku przyniesie odpowiedź bardziej ostrożną, rygorystyczną i opartą na dowodach .

Nierozwiązane pytania: dlaczego do tych zmian dochodzi?

Anthropic wyraźnie zaznacza, że badanie to jest punktem wyjścia do zadawania pytań o przyczyny tych różnic, a nie ostateczną odpowiedzią .

• Badanie nie określa, czy różnice językowe wynikają z różnic w dystrybucji danych treningowych w poszczególnych językach, z decyzji dotyczących dostrajania behawioralnego, czy z kontekstu kulturowego zawartego w korpusie treningowym .
• Cztery osie wyjaśniają jedynie 15% całkowitej zmienności, co oznacza, że 85% różnic behawioralnych pozostaje niewyjaśnionych .
• Anthropic podkreśla, że powiązanie konkretnych decyzji treningowych (takich jak metody charakteryzacji) ze zmianami wartości to cel na przyszłość, a nie coś, co badanie osiąga .