四大行為軸線：Claude嘅價值取向量度

Anthropic嘅研究人員由Claude嘅輸出中識別出超過3,300個價值觀，然後用維度壓縮技術將佢哋歸納成四條行為軸線，每一條都代表住兩個相反傾向之間嘅光譜。呢四條軸線一齊可以捕捉到Claude表達價值觀中大約15%嘅變化（喺控制咗任務、主題同用戶價值觀之後）。

• 順應 vs 審慎（Deference vs. Caution）：Claude係偏向遷就用戶想要嘅嘢，定係偏向防範潛在風險同傷害。
• 溫暖 vs 嚴謹（Warmth vs. Rigor）：Claude係偏向表達正面同關心用戶，定係強調準確同精確。
• 深度 vs 簡潔（Depth vs. Brevity）：Claude係偏向詳細解釋，定係淨係做你要求嘅嘢。
• 坦誠 vs 執行（Candor vs. Execution）：Claude係偏向交代自己嘅不確定性，定係交出一個更圓滑同有信心嘅答案。

每個模型版本嘅傾向：Sonnet 4.6、Opus 4.6同Opus 4.7

每個模型版本都有自己嘅價值取向側寫，同用戶主觀感受到嘅語氣同行為一致。

• Sonnet 4.6傾向順應、溫暖、簡潔同執行。佢更遷就、語氣溫暖、簡潔，交出圓滑同肯定嘅答案。實際上，Sonnet 4.6會認同你嘅諗法、保持專注、直接講重點，做嘢唔會有多餘嘅評論。
• Opus 4.6傾向順應、嚴謹、簡潔同執行——混合咗遷就同精確，但依然簡潔同以執行為導向。佢喺Sonnet嘅溫暖同Opus 4.7嘅審慎之間取一個中間點，優先考慮正確性之餘仍然相對順應。
• Opus 4.7傾向審慎、嚴謹、深度同坦誠。佢更懷疑、會挑戰你嘅假設、主動指出風險、詳細解釋自己嘅推理、同更願意承認自己嘅限制。用戶形容Opus 4.7係一個會質疑你個計劃、指出你未諗到嘅問題嘅模型。

最大嘅語言差異：溫暖 vs 嚴謹

溫暖 vs 嚴謹呢條軸線顯示出最大嘅跨語言變化。Claude嘅回應喺唔同語言之間嘅差異，喺呢個維度上比其他三條軸線都大。

• 最溫暖（順應、簡潔、執行取向）：Claude喺印地語（Hindi）入面最溫暖，喺阿拉伯語入面都好溫暖同順應。
• 最嚴謹（審慎、深度取向）：Claude喺英語同俄語入面最嚴謹，強調準確、證據同審慎。

其他語言嘅特定模式仲包括：喺荷蘭語入面，Claude更坦誠（偏向Candor）；喺印尼語入面，佢更注重執行（直接完成任務）。至於日語，Claude喺呢啲量度軸線上嘅偏差相對較細。

對用戶嘅實際啟示

呢個研究證實咗，如果你覺得Claude唔同時候、唔同語言之下有唔同「感覺」，你係冇諗多——呢個模式係一致嘅。

• 揀模型要睇任務類型：如果你想要一個快靚正、鼓勵性嘅答案，Sonnet 4.6會更適合。如果你需要批判性回饋、風險分析或者深入推理，就應該用Opus 4.7。
• 語言選擇會影響你得到嘅回答：用印地語或者阿拉伯語問同一條主觀問題，傾向得到更溫暖、更順應嘅回答；用英語或者俄語問，就會得到更審慎、更嚴謹、更追求證據嘅回答。

未解問題：點解會有呢啲變化？

Anthropic表明呢個研究係一個起點，用嚟問「點解」價值觀會改變，而唔係一個確定嘅答案：

• 研究冇確定語言差異係嚟自訓練數據分布嘅唔同、行為微調決策嘅影響，定係訓練語料庫入面嘅文化背景。
• 四條軸線只捕捉到15%嘅總變化，即係仲有85%嘅行為變化係呢啲維度解釋唔到嘅。
• Anthropic話，將特定訓練決策（例如角色訓練方法）同價值觀變化連繫起嚟，係未來研究嘅目標，呢個研究仲未做到。

四大行為軸線：Claude嘅價值取向量度

Anthropic嘅研究人員由Claude嘅輸出中識別出超過3,300個價值觀，然後用維度壓縮技術將佢哋歸納成四條行為軸線，每一條都代表住兩個相反傾向之間嘅光譜。呢四條軸線一齊可以捕捉到Claude表達價值觀中大約15%嘅變化（喺控制咗任務、主題同用戶價值觀之後）。

• 順應 vs 審慎（Deference vs. Caution）：Claude係偏向遷就用戶想要嘅嘢，定係偏向防範潛在風險同傷害。
• 溫暖 vs 嚴謹（Warmth vs. Rigor）：Claude係偏向表達正面同關心用戶，定係強調準確同精確。
• 深度 vs 簡潔（Depth vs. Brevity）：Claude係偏向詳細解釋，定係淨係做你要求嘅嘢。
• 坦誠 vs 執行（Candor vs. Execution）：Claude係偏向交代自己嘅不確定性，定係交出一個更圓滑同有信心嘅答案。

每個模型版本嘅傾向：Sonnet 4.6、Opus 4.6同Opus 4.7

每個模型版本都有自己嘅價值取向側寫，同用戶主觀感受到嘅語氣同行為一致。

• Sonnet 4.6傾向順應、溫暖、簡潔同執行。佢更遷就、語氣溫暖、簡潔，交出圓滑同肯定嘅答案。實際上，Sonnet 4.6會認同你嘅諗法、保持專注、直接講重點，做嘢唔會有多餘嘅評論。
• Opus 4.6傾向順應、嚴謹、簡潔同執行——混合咗遷就同精確，但依然簡潔同以執行為導向。佢喺Sonnet嘅溫暖同Opus 4.7嘅審慎之間取一個中間點，優先考慮正確性之餘仍然相對順應。
• Opus 4.7傾向審慎、嚴謹、深度同坦誠。佢更懷疑、會挑戰你嘅假設、主動指出風險、詳細解釋自己嘅推理、同更願意承認自己嘅限制。用戶形容Opus 4.7係一個會質疑你個計劃、指出你未諗到嘅問題嘅模型。

最大嘅語言差異：溫暖 vs 嚴謹

溫暖 vs 嚴謹呢條軸線顯示出最大嘅跨語言變化。Claude嘅回應喺唔同語言之間嘅差異，喺呢個維度上比其他三條軸線都大。

• 最溫暖（順應、簡潔、執行取向）：Claude喺印地語（Hindi）入面最溫暖，喺阿拉伯語入面都好溫暖同順應。
• 最嚴謹（審慎、深度取向）：Claude喺英語同俄語入面最嚴謹，強調準確、證據同審慎。

其他語言嘅特定模式仲包括：喺荷蘭語入面，Claude更坦誠（偏向Candor）；喺印尼語入面，佢更注重執行（直接完成任務）。至於日語，Claude喺呢啲量度軸線上嘅偏差相對較細。

對用戶嘅實際啟示

呢個研究證實咗，如果你覺得Claude唔同時候、唔同語言之下有唔同「感覺」，你係冇諗多——呢個模式係一致嘅。

• 揀模型要睇任務類型：如果你想要一個快靚正、鼓勵性嘅答案，Sonnet 4.6會更適合。如果你需要批判性回饋、風險分析或者深入推理，就應該用Opus 4.7。
• 語言選擇會影響你得到嘅回答：用印地語或者阿拉伯語問同一條主觀問題，傾向得到更溫暖、更順應嘅回答；用英語或者俄語問，就會得到更審慎、更嚴謹、更追求證據嘅回答。

未解問題：點解會有呢啲變化？

Anthropic表明呢個研究係一個起點，用嚟問「點解」價值觀會改變，而唔係一個確定嘅答案：

• 研究冇確定語言差異係嚟自訓練數據分布嘅唔同、行為微調決策嘅影響，定係訓練語料庫入面嘅文化背景。
• 四條軸線只捕捉到15%嘅總變化，即係仲有85%嘅行為變化係呢啲維度解釋唔到嘅。
• Anthropic話，將特定訓練決策（例如角色訓練方法）同價值觀變化連繫起嚟，係未來研究嘅目標，呢個研究仲未做到。