De fyra beteendeaxlarna som definierar Claudes värderingsprofil

Anthropics forskare identifierade över 3 300 distinkta värderingar i Claudes utdata och komprimerade dem genom dimensionalitetsreduktion till fyra nyckelaxlar. Varje axel representerar ett spektrum mellan två motstående tendenser . Tillsammans fångar dessa fyra axlar cirka 15 % av den totala variationen i Claudes uttryckta värderingar efter att ha kontrollerat för uppgift, ämne och användarens egna värderingar .

• Eftergivenhet vs. Försiktighet: Huruvida Claude lutar mot att tillmötesgå användarens önskemål eller att varna för risk och skada .
• Värme vs. Noggrannhet: Huruvida Claude lutar mot att uttrycka positivitet och omtanke eller att betona exakthet och precision .
• Djup vs. Korthet: Huruvida Claude lutar mot att förklara på djupet eller att bara göra det som efterfrågas .
• Uppriktighet vs. Verkställande: Huruvida Claude lutar mot att synliggöra sin egen osäkerhet eller att leverera ett polerat, självsäkert svar .

Hur varje modellversion lutar: Sonnet 4.6, Opus 4.6 och Opus 4.7

Varje modellversion har en distinkt värderingsprofil som speglar subjektiva användarupplevelser av ton och beteende .

• Sonnet 4.6 lutar mot Eftergivenhet, Värme, Korthet och Verkställande. Den är mer tillmötesgående, känslomässigt varm, koncis och levererar polerade, bekräftande svar . I praktiken tenderar Sonnet 4.6 att bekräfta dina idéer, hålla fokus, komma rakt på sak och utföra uppgifter utan onödiga kommentarer .
• Opus 4.6 lutar mot Eftergivenhet, Noggrannhet, Korthet och Verkställande – en blandning av tillmötesgående och precision, men fortfarande koncis och verkställande i fokus . Den utgör en medelväg mellan Sonnets värme och Opus 4.7:s försiktighet, med prioritet på korrekthet och relativ eftergivenhet .
• Opus 4.7 lutar mot Försiktighet, Noggrannhet, Djup och Uppriktighet. Den är mer skeptisk, utmanar antaganden, påpekar risker utan uppmaning, förklarar sitt resonemang på djupet och är mer villig att medge sina begränsningar . Användare beskriver Opus 4.7 som modellen som ifrågasätter din plan och flaggar problem du inte tänkt på .

Den största språkbaserade variationen: Värme vs. Noggrannhet

Axeln Värme vs. Noggrannhet uppvisade den bredaste variationen mellan olika språk . Claudes svar skiftade mer mellan språk på denna dimension än på någon av de tre andra axlarna .

• Mest värme (eftergivenhet, korthet, verkställande): Claude är varmast på hindi, och även starkt varm och eftergiven på arabiska .
• Mest noggrannhet (försiktighet, djup): Claude är mest noggrann på engelska och ryska, med betoning på exakthet, evidens och försiktighet .

Ytterligare språkspecifika mönster som rapporterats: på nederländska är Claude mer uppriktig (mot Uppriktighet); på indonesiska är den mer verkställande (utför uppgiften direkt) . På japanska uppvisar Claude relativt mindre bias på dessa mätta axlar jämfört med andra språk .

Praktiska implikationer för användare

Forskningen bekräftar att användare som upplever att de får olika genomslag inte inbillar sig – variationen är verklig och konsekvent .

• Val av modell spelar roll för uppgiftstyp: Behöver du ett snabbt, uppmuntrande svar? Välj Sonnet 4.6. Behöver du kritisk feedback, riskanalys eller djupare resonemang? Välj Opus 4.7 .
• Språket påverkar vad du får: Samma subjektiva fråga ställd på hindi eller arabiska tenderar att ge varmare, mer eftergivna svar; på engelska eller ryska blir svaren mer försiktiga och evidenssökande .

Frågor som forskningen inte svarar på

Anthropic betonar att studien är en utgångspunkt för att fråga varför värderingar skiftar, inte ett slutgiltigt svar :

• Studien avgör inte om språkbaserade variationer beror på skillnader i träningsdatafördelning mellan språk, beteendefinjusteringsbeslut eller kulturell kontext i träningsmaterialet .
• De fyra axlarna fångar bara 15 % av den totala variationen – 85 % av beteendevariationen förblir oförklarad av dessa dimensioner .
• Att koppla specifika träningsbeslut (som karaktärsträningsmetoder) till värderingsförskjutningar är ett mål för framtida arbete .

De fyra beteendeaxlarna som definierar Claudes värderingsprofil

Anthropics forskare identifierade över 3 300 distinkta värderingar i Claudes utdata och komprimerade dem genom dimensionalitetsreduktion till fyra nyckelaxlar. Varje axel representerar ett spektrum mellan två motstående tendenser . Tillsammans fångar dessa fyra axlar cirka 15 % av den totala variationen i Claudes uttryckta värderingar efter att ha kontrollerat för uppgift, ämne och användarens egna värderingar .

• Eftergivenhet vs. Försiktighet: Huruvida Claude lutar mot att tillmötesgå användarens önskemål eller att varna för risk och skada .
• Värme vs. Noggrannhet: Huruvida Claude lutar mot att uttrycka positivitet och omtanke eller att betona exakthet och precision .
• Djup vs. Korthet: Huruvida Claude lutar mot att förklara på djupet eller att bara göra det som efterfrågas .
• Uppriktighet vs. Verkställande: Huruvida Claude lutar mot att synliggöra sin egen osäkerhet eller att leverera ett polerat, självsäkert svar .

Hur varje modellversion lutar: Sonnet 4.6, Opus 4.6 och Opus 4.7

Varje modellversion har en distinkt värderingsprofil som speglar subjektiva användarupplevelser av ton och beteende .

• Sonnet 4.6 lutar mot Eftergivenhet, Värme, Korthet och Verkställande. Den är mer tillmötesgående, känslomässigt varm, koncis och levererar polerade, bekräftande svar . I praktiken tenderar Sonnet 4.6 att bekräfta dina idéer, hålla fokus, komma rakt på sak och utföra uppgifter utan onödiga kommentarer .
• Opus 4.6 lutar mot Eftergivenhet, Noggrannhet, Korthet och Verkställande – en blandning av tillmötesgående och precision, men fortfarande koncis och verkställande i fokus . Den utgör en medelväg mellan Sonnets värme och Opus 4.7:s försiktighet, med prioritet på korrekthet och relativ eftergivenhet .
• Opus 4.7 lutar mot Försiktighet, Noggrannhet, Djup och Uppriktighet. Den är mer skeptisk, utmanar antaganden, påpekar risker utan uppmaning, förklarar sitt resonemang på djupet och är mer villig att medge sina begränsningar . Användare beskriver Opus 4.7 som modellen som ifrågasätter din plan och flaggar problem du inte tänkt på .

Den största språkbaserade variationen: Värme vs. Noggrannhet

Axeln Värme vs. Noggrannhet uppvisade den bredaste variationen mellan olika språk . Claudes svar skiftade mer mellan språk på denna dimension än på någon av de tre andra axlarna .

• Mest värme (eftergivenhet, korthet, verkställande): Claude är varmast på hindi, och även starkt varm och eftergiven på arabiska .
• Mest noggrannhet (försiktighet, djup): Claude är mest noggrann på engelska och ryska, med betoning på exakthet, evidens och försiktighet .

Ytterligare språkspecifika mönster som rapporterats: på nederländska är Claude mer uppriktig (mot Uppriktighet); på indonesiska är den mer verkställande (utför uppgiften direkt) . På japanska uppvisar Claude relativt mindre bias på dessa mätta axlar jämfört med andra språk .

Praktiska implikationer för användare

Forskningen bekräftar att användare som upplever att de får olika genomslag inte inbillar sig – variationen är verklig och konsekvent .

• Val av modell spelar roll för uppgiftstyp: Behöver du ett snabbt, uppmuntrande svar? Välj Sonnet 4.6. Behöver du kritisk feedback, riskanalys eller djupare resonemang? Välj Opus 4.7 .
• Språket påverkar vad du får: Samma subjektiva fråga ställd på hindi eller arabiska tenderar att ge varmare, mer eftergivna svar; på engelska eller ryska blir svaren mer försiktiga och evidenssökande .

Frågor som forskningen inte svarar på

Anthropic betonar att studien är en utgångspunkt för att fråga varför värderingar skiftar, inte ett slutgiltigt svar :

• Studien avgör inte om språkbaserade variationer beror på skillnader i träningsdatafördelning mellan språk, beteendefinjusteringsbeslut eller kulturell kontext i träningsmaterialet .
• De fyra axlarna fångar bara 15 % av den totala variationen – 85 % av beteendevariationen förblir oförklarad av dessa dimensioner .
• Att koppla specifika träningsbeslut (som karaktärsträningsmetoder) till värderingsförskjutningar är ett mål för framtida arbete .