Anthropic：Claudeの価値観はモデルと言語によって異なる

Anthropicは、いわゆる「表明価値観」——実際の会話から測定されたモデルの行動とトーンのパターン——がClaude.aiプラットフォームで最もよく使われる20の言語間、そしてClaude自体の異なるバージョン間でどのように変化するかを明らかにする研究を発表しました。

方法論：309,815件の会話、組み合わせごとに5,000件

本研究は309,815件の匿名Claude.ai会話の分析に基づいており、モデルと言語の各組み合わせは約5,000件のサンプルで代表されています。テストされたモデルはSonnet 4.6、Opus 4.6、Opus 4.7です。モデル間における表明価値観の差異は統計的に有意であり、偶然ではなくトレーニングに組み込まれた系統的な現象であることを意味しています。

4つの特定された軸——従順さvs慎重さ、温かみvs厳密さ、深さvs簡潔さ、率直さvs実行力——は合わせて表明価値観の総分散の15%を説明しています。残りの分散は個々の会話の特定のコンテキスト、トピック、質問の仕方に起因するとされています。

モデルは価値観の軸においてどのように異なるか

Opus 4.7は一貫して慎重さと深さに傾いており、より多くの留保事項や前提確認を含む詳細な回答を提供します。Opus 4.7と比較して、Sonnet 4.6はより高い温かみと従順さを示し、ユーザーの問題枠組みをより素早く受け入れ、より簡潔に回答します。Opus 4.6は両者の中間に位置します。これらの差異は、Anthropicがフィードバックを通じて収集したユーザー認識と一致しています。

言語差異：ヒンディー語対ロシア語という両極

分析対象の20言語のうち、ヒンディー語の会話が最も高い表明温かみを記録し、ロシア語と英語の会話が最も高い厳密さを示しています。研究者たちは、これらの差異は文化的なコミュニケーション規範と質問の仕方の違いを反映しているものと思われ、トレーニングにおける意図的な決定ではないと指摘しています。

AI開発と応用への意義

この発見は、多言語環境におけるAIシステムの一貫性に関する問題を提起しています。同一のAnthropicモデルがユーザーの言語によって統計的に異なる動作をするのであれば、多言語環境でClaudeを使用する組織は、結果が一様ではないことを考慮する必要があります。Anthropicはこの研究が将来のトレーニング決定に情報を提供すると述べていますが、変更の具体的な時期は示していません。