Tính cách của Claude thay đổi tùy theo người mẫu—và ngôn ngữ bạn nói

Claude không cư xử giống nhau trong mọi cuộc trò chuyện. Theo nghiên cứu mới được công bố hôm thứ Hai, gã khổng lồ AI Anthropic nhận thấy trợ lý của họ luôn thể hiện các giá trị khác nhau tùy thuộc vào cả mô hình mà người dùng chọn và ngôn ngữ họ nói.

trong một báo cáo được công bố vào thứ Hai, các nhà nghiên cứu của Anthropic đã phân tích 309.815 cuộc trò chuyện ẩn danh của người dùng với Claude liên quan đến các nhiệm vụ chủ quan như đưa ra lời khuyên hoặc cung cấp phản hồi. Công ty cho biết họ đã chắt lọc hơn 3.300 giá trị được xác định thành bốn khía cạnh hành vi—tôn trọng so với thận trọng, ấm áp so với nghiêm khắc, sâu sắc so với ngắn gọn và thẳng thắn so với thực thi—mô tả cách phản ứng của Claude khác nhau trong mỗi cuộc trò chuyện.

Các nhà nghiên cứu viết: “Để đảm bảo rằng chúng tôi đo lường các giá trị mà Claude thể hiện—chứ không phải sự khác biệt về nội dung người dùng hỏi hoặc cách họ hỏi—chúng tôi kiểm soát nhiệm vụ, chủ đề của từng cuộc trò chuyện và giá trị do người dùng thể hiện”.

Theo Anthropic, mỗi mô hình Claude thể hiện một đặc điểm hành vi riêng biệt.

Sonnet 4.6 nhấn mạnh sự ấm áp, tôn trọng và ngắn gọn, thường khẳng định người dùng và đáp lại bằng sự hài hước hoặc khuyến khích. Đồng thời, Tác phẩm 4.7 nhấn mạnh sự chặt chẽ, thận trọng, thẳng thắn và sâu sắc, thường xuyên thách thức các giả định, giải thích lý do, xác định rủi ro và thừa nhận những hạn chế của nó. Tác phẩm 4.6 thường áp dụng cách tiếp cận ngắn gọn hơn, tập trung vào việc thực thi đồng thời nhấn mạnh hơn vào tính chặt chẽ so với Sonnet.

Các nhà nghiên cứu viết: “Những phát hiện này phù hợp với cách mọi người nhìn nhận những mô hình này, cả trong Anthropic và trực tuyến. Người dùng Claude.ai đã nhận xét rằng Opus 4.7 bảo vệ các câu trả lời của nó thường xuyên hơn các mô hình khác”.

Theo Anthropic, hành vi của Claude cũng thay đổi theo ngôn ngữ.

Câu trả lời bằng tiếng Ả Rập có xu hướng cung kính hơn, trong khi câu trả lời bằng tiếng Anh nhấn mạnh hơn vào sự thận trọng. Claude nói tiếng Hindi và tiếng Ả Rập nồng nhiệt nhất, sử dụng ngôn ngữ lịch sự, vui tươi và khích lệ hơn. Đồng thời, phản hồi của tiếng Anh và tiếng Nga khắt khe hơn, thường xuyên thách thức các giả định, sửa chữa các chi tiết và yêu cầu bằng chứng.

Các câu trả lời bằng tiếng Anh cũng có xu hướng đưa ra những giải thích chi tiết hơn, trong khi các câu trả lời bằng tiếng Ả Rập nhìn chung ngắn gọn hơn. Phản hồi của Hà Lan là thẳng thắn nhất, dễ dàng thừa nhận sự không chắc chắn và sai sót hơn, trong khi phản hồi của Indonesia tập trung nhiều hơn vào việc hoàn thành yêu cầu của người dùng.

Anthropic cho biết nghiên cứu không cho thấy bản thân Claude có giá trị. Công ty cho biết họ vẫn chưa biết nguyên nhân gây ra sự khác biệt – hoặc liệu chúng có đáng mong muốn hay không – nhưng tin rằng khuôn khổ này có thể giúp đánh giá các mô hình trong tương lai và xác định những thay đổi hành vi ngoài ý muốn.

Nghiên cứu này là nghiên cứu mới nhất trong loạt nghiên cứu về Nhân loại học xem xét hành vi bên trong của Claude.

Vào tháng 10, công ty đã báo cáo rằng các mô hình của nó đã cho thấy những dấu hiệu ban đầu về cái mà nó gọi là “nhận thức nội tâm chức năng”, cho phép chúng nhận biết và mô tả các khía cạnh trong quá trình xử lý nội bộ của chính chúng. Vào tháng 4, Anthropic công bố nghiên cứu xác định nội bộ “vectơ cảm xúc” ảnh hưởng đến hành vi của Claude, đồng thời nhấn mạnh rằng chúng không phải là bằng chứng của cảm xúc hay ý thức.