Anthropic「Claude Values Across Models and Languages」研究公開 — 309,815会話の分析でモデル・言語によるClaudeの価値表現の違いを初めて定量化

Summary

7月13日にAnthropicが「Claude's values across models and languages」研究を公開。309,815件の匿名化Claude.ai会話をSonnet 4.6・Opus 4.6・Opus 4.7の3モデル・上位20言語で分析し、モデルと言語によるClaudeの価値表現の違いを初めて定量的にマッピング。4つの測定軸（温かさ-厳格さ・深さ-簡潔さ・従順さ-率直さ・慎重さ-実行性）で分類。モデル別ではSonnet 4.6が最も温かさ・従順さ・簡潔さ寄り（ユーモア・遊び心・肯定的フレーミング）、Opus 4.7が最も厳格さ・慎重さ・深さ寄り（仮定への挑戦・作業の率直な批評）。言語別ではヒンディー語・アラビア語で最も温かく（丁寧な表現・ユーモア・肯定）、英語・ロシア語で最も厳格（仮定への疑問・証拠要求）。日本語は中間的位置でバイアスが最も少ないと報告。