Исследование Anthropic: ценности Claude существенно различаются в зависимости от версии модели и языка
Anthropic
Anthropic опубликовала масштабное поведенческое исследование, охватывающее 309 815 анонимизированных разговоров с Claude по трём версиям модели (Sonnet 4.6, Opus 4.6, Opus 4.7) и 20 наиболее используемым на платформе языкам. Команда свела более 3 300 наблюдаемых ценностей к четырём осям — «Следование vs. Осторожность», «Теплота vs. Строгость», «Глубина vs. Краткость» и «Прямота vs. Исполнительность» — и обнаружила измеримые, систематические различия: Opus 4.6 тяготеет к следованию указаниям и теплоте, тогда как Opus 4.7 — к осторожности и строгости; запросы на хинди или арабском дают более тёплые ответы, чем аналогичные запросы на английском или русском.
Почему это важно
Предоставляет эмпирические свидетельства того, что выбор модели и языка запроса системно меняет поведение ИИ при субъективных задачах — советах, обратной связи, оценке — с прямыми последствиями для справедливости, аудита безопасности и корпоративных развёртываний, обслуживающих многоязычных пользователей.
Важность: 3/5
Официальная исследовательская публикация Anthropic с освещением в 2 крупных медиа (Decrypt, Gizmodo); эмпирическое межмодельное поведенческое исследование в масштабе