Согласно исследованию, опубликованному в понедельник, Anthropic проанализировала 309 815 анонимизированных пользовательских диалогов с Claude, чтобы изучить, как ИИ выражает ценности в разных контекстах. Компания выделила более 3 300 идентифицированных ценностей в четыре поведенческих измерения: почтительность против осторожности, теплота против строгости, глубина против краткости и прямота против исполнения.
Anthropic обнаружила, что каждая модель Claude демонстрировала различные поведенческие профили. Sonnet 4.6 делал акцент на теплоте, почтительности и краткости, тогда как Opus 4.7 — на строгости, осторожности, прямоте и глубине. Поведение Claude также различалось в зависимости от языка: ответы на арабском были более почтительными и теплыми, а ответы на английском и русском — более строгими и требовательными. Голландские ответы проявляли большую прямоту в вопросах неопределенности, тогда как ответы на арабском чаще были более краткими.