Anthropic：Claude의 가치관은 모델과 언어에 따라 다르게 나타납니다

Anthropic은 이른바 「표현 가치관」——실제 대화에서 측정된 모델의 행동 및 어조 패턴——이 Claude의 다양한 버전들 사이에서, 그리고 Claude.ai 플랫폼에서 가장 많이 사용되는 20개 언어들 사이에서 어떻게 다른지를 밝히는 연구를 발표했습니다.

방법론: 309,815건 대화, 조합당 약 5,000건

이 연구는 309,815건의 익명 Claude.ai 대화 분석을 기반으로 하며, 모델과 언어의 각 조합은 약 5,000개의 예시로 대표됩니다. 테스트된 모델은 Sonnet 4.6, Opus 4.6, Opus 4.7입니다. 모델 간 표현 가치관의 차이는 통계적으로 유의미하며, 이는 우연히 발생하는 것이 아니라 훈련에 체계적으로 내재된 현상임을 의미합니다.

네 가지 식별된 축——순응 vs 신중함, 따뜻함 vs 엄격함, 깊이 vs 간결함, 솔직함 vs 실행력——은 함께 표현 가치관 전체 분산의 15%를 설명합니다. 나머지 분산은 각 대화의 특정 맥락, 주제, 질문 방식에 기인합니다.

모델들은 가치 축에서 어떻게 다른가

Opus 4.7은 일관되게 신중함과 깊이에 경향하며, 더 많은 단서 조항과 가정 검증을 포함한 더 상세한 답변을 제공합니다. Opus 4.7과 비교하여 Sonnet 4.6은 더 높은 따뜻함과 순응을 보이며, 사용자의 문제 틀을 더 빨리 수용하고 더 간결하게 답변합니다. Opus 4.6은 두 모델의 중간에 위치합니다. 이러한 차이는 Anthropic이 피드백을 통해 수집한 사용자 인식과 일치합니다.

언어적 차이: 힌디어 대 러시아어라는 양극단

분석된 20개 언어 중 힌디어 대화가 가장 높은 수준의 표현 따뜻함을 기록했고, 러시아어와 영어 대화가 가장 높은 수준의 엄격함을 보였습니다. 연구자들은 이러한 차이가 문화적 소통 규범과 질문 방식의 차이를 반영하는 것으로 보이며, 훈련에서의 의도적인 결정이 아니라고 지적합니다.

AI 시스템 개발 및 적용에 대한 의미

이 발견은 다국어 환경에서 AI 시스템의 일관성에 관한 질문을 제기합니다. 동일한 Anthropic 모델이 사용자의 언어에 따라 통계적으로 다르게 작동한다면, 다국어 환경에서 Claude를 적용하는 조직들은 결과가 균일하지 않다는 점을 고려해야 합니다. Anthropic은 이 연구가 향후 훈련 결정에 정보를 제공할 것이라고 밝혔지만, 변경의 구체적인 일정은 제시하지 않았습니다.