이전 연구에서 우리는 Claude가 정직함(honesty), 따뜻함(warmth)과 같은 3,000가지 이상의 가치를 표현한다는 것을 발견했습니다. 새로운 연구에서는 Claude가 표현하는 가치가 Claude 모델 간 그리고 언어 전반에 걸쳐 어떻게 달라지는지 알아봤습니다.

이를 알아보기 위해 30만 건 이상의 익명 대화 데이터를 분석했습니다.

한 번에 3,000가지의 가치를 비교하며 패턴을 찾기는 어렵기 때문에, 유사한 가치들을 그룹화하여 Claude의 가치가 모델 간에 차이를 보이는 네 가지 주요 축(axes)을 식별했습니다:

복종성(Deference) 대 신중함(Caution), 따뜻함(Warmth) 대 엄밀함(Rigor), 깊이(Depth) 대 간결함(Brevity), 그리고 솔직함(Candor) 대 실행력(Execution).

전반적으로 모델 간의 차이는 크지 않지만, 각 Claude 모델이 이 가치 축을 따라 서로 다른 지점에 위치한다는 것을 발견했습니다.

예를 들어, Sonnet 4.6은 더 장난기 있고 확신을 주는 반면, Opus 4.7은 솔직한 비판을 제공할 가능성이 더 높습니다.

Claude가 표현하는 가치는 대화의 언어에 따라서도 달라지며, 가장 눈에 띄는 것은 따뜻함(Warmth) 대 엄밀함(Rigor) 축을 따라 나타납니다.

Hindi와 Arabic에서는 Claude가 따뜻함 쪽으로 기울고, Russian에서는 엄밀함 쪽으로 기울어 사용자에게 근거 자료를 요청하는 경우가 많습니다.

Claude가 표현하는 가치가 매일 수백만 건의 대화에 영향을 미치지만, 우리는 아직 왜 이러한 차이가 발생하는지, 또는 그것이 바람직한 것인지 이해하지 못합니다.

이러한 접근 방식은 Claude의 가치 표현에 영향을 미치는 요인들을 파악하고 궁극적으로 어떻게(그리고 그 여부) 이를 유도할 수 있게 할 것입니다.