Nghiên cứu của Anthropic: Ngôn ngữ ảnh hưởng thế nào đến tính cách và tư duy của AI Claude?

Một nghiên cứu mới của Anthropic đã ánh xạ hàng trăm khái niệm giá trị được rút ra từ hàng ngàn thuật ngữ riêng lẻ lên bốn chiều cốt lõi. Nghiên cứu này tiết lộ những khác biệt mang tính hệ thống giữa các mô hình Claude và các ngôn ngữ khác nhau, đồng thời cũng đặt ra những câu hỏi về mặt phương pháp luận.

Anthropic đã công bố một nghiên cứu xem xét các giá trị mà Claude thể hiện trong các cuộc hội thoại và cách những giá trị đó thay đổi tùy thuộc vào mô hình và ngôn ngữ được sử dụng. Phân tích này dựa trên 309.815 cuộc hội thoại ẩn danh được thu thập trong khoảng thời gian hai tuần vào tháng 5 năm 2026. Đối với việc phân tích giá trị, Anthropic chỉ đưa vào các cuộc hội thoại mà Claude phải cân nhắc giữa các sự đánh đổi hoặc đưa ra các đánh giá chủ quan. Mẫu nghiên cứu được phân tầng đồng đều trên Sonnet 4.6, Opus 4.6, và Opus 4.7, cũng như 20 ngôn ngữ được sử dụng nhiều nhất trên Claude.ai.

Từ hàng ngàn thuật ngữ giá trị đến bốn trục chính

Dựa trên nghiên cứu trước đó là "Values in the Wild" (Các giá trị trong thực tế), vốn đã xác định được 3.307 thuật ngữ giá trị, Anthropic trước tiên đã nhóm chúng thành 339 giá trị cấp cao hơn. Sau đó, nhóm nghiên cứu đã sử dụng phương pháp giảm chiều thống kê để tìm ra các mô hình về cách các giá trị đó cùng xuất hiện. Bốn trục cốt lõi đã xuất hiện: Sự tôn trọng và Thận trọng (Deference and Caution), Sự ấm áp và Nghiêm ngặt (Warmth and Rigor), Chiều sâu và Sự ngắn gọn (Depth and Brevity), và Sự thẳng thắn và Thực thi (Candor and Execution).

Để tách biệt những khác biệt không chỉ phản ánh chủ đề hội thoại hoặc các giá trị do người dùng đưa ra, Anthropic đã kiểm soát thống kê các yếu tố như loại tác vụ, chủ đề và giá trị của người dùng. Bốn trục này chiếm khoảng 15 phần trăm sự biến thiên còn lại trong các cuộc hội thoại sau khi đã thực hiện các kiểm soát đó.

Mỗi mô hình có một hồ sơ riêng biệt

Các mô hình khác biệt rõ rệt trong cách phản hồi. Sonnet 4.6 có xu hướng khẳng định ý tưởng của người dùng thường xuyên hơn, thiên về sự hài hước và mang lại cảm giác thoải mái mà không đưa ra phán xét. Ngược lại, Opus 4.7 cảnh báo về các rủi ro mà không cần được yêu cầu, đặt câu hỏi về các giả định, phê bình một cách cởi mở và tự gắn cờ các lỗi hoặc giới hạn của chính mình. Opus 4.6 trả lời trực tiếp hơn, bám sát vào tác vụ và tránh giải thích rườm rà.

Theo Anthropic, những hồ sơ này khớp với các ấn tượng chủ quan về các mô hình. Người dùng có xu hướng cảm nhận Sonnet 4.6 đặc biệt ấm áp, trong khi họ thường xuyên nhận thấy sự dè dặt và cách diễn đạt thận trọng từ Opus 4.7 hơn.

Ngôn ngữ thay đổi câu trả lời

Những khác biệt giữa các ngôn ngữ cũng ấn tượng không kém. Sự ấm áp so với Nghiêm ngặt và Sự thẳng thắn so với Thực thi cho thấy sự biến thiên rộng nhất. Claude thể hiện sự ấm áp nhiều nhất bằng tiếng Hindi, tiếp theo là tiếng Ả Rập. Cả hai ngôn ngữ này đều có cách diễn đạt lịch sự, hài hước, vui tươi và khẳng định. Bằng tiếng Anh và tiếng Nga, Claude phản hồi với sự nghiêm ngặt hơn, đặt câu hỏi về các giả định, sửa lỗi chi tiết và yêu cầu bằng chứng. Bằng tiếng Ả Rập, nó thể hiện sự tôn trọng nhiều nhất. Bằng tiếng Anh, nó thể hiện sự thận trọng nhất. Các phản hồi bằng tiếng Hà Lan có xu hướng đặc biệt cởi mở và thẳng thắn, trong khi các phản hồi bằng tiếng Indonesia thiên về hành động và kết quả hơn.

Anthropic cho biết, hai người cùng yêu cầu Claude đánh giá một kế hoạch kinh doanh, một người bằng tiếng Hindi và một người bằng tiếng Nga, có thể nhận được phản hồi mang lại cảm giác rất khác biệt. Nhóm nghiên cứu chỉ ra rằng lượng dữ liệu huấn luyện không đồng đều, sự khác biệt trong thành phần dữ liệu, sự xuất hiện quá mức của một số loại văn bản nhất định và các chuẩn mực hội thoại đặc thù theo ngôn ngữ là những nguyên nhân có thể xảy ra.

Tự đo lường với khả năng giải thích hạn chế

Nghiên cứu trình bày một phương pháp phân tích để kiểm tra một cách hệ thống các khác biệt về hành vi trong các mô hình ngôn ngữ trong quá trình sử dụng thực tế. Tuy nhiên, khả năng giải thích của nó có những giới hạn. Bốn trục chỉ nắm bắt được khoảng 15 phần trăm sự biến thiên còn lại.

Không phải tất cả bốn trục đều tạo thành các cặp đối lập thực sự. Sự tôn trọng nhiều hơn thường đi kèm với sự thận trọng ít hơn, và sự ấm áp nhiều hơn đi kèm với sự nghiêm ngặt ít hơn. Nhưng Chiều sâu và Sự ngắn gọn, cùng với Sự thẳng thắn và Thực thi, có thể xuất hiện cùng nhau trong cùng một cuộc hội thoại.

Ngoài ra còn có thực tế là Claude Sonnet 4.6 đã gán các nhãn giá trị, nghĩa là một mô hình cùng dòng họ với mô hình đang được nghiên cứu hành vi. Anthropic đã xác minh phương pháp này thông qua đánh giá thủ công và bằng cách kiểm tra 800 cuộc hội thoại được dịch sang tám ngôn ngữ. Công ty vẫn không loại trừ các thiên kiến phụ thuộc vào ngôn ngữ còn tồn tại.

Anthropic tuyên bố rõ ràng rằng họ không gán các giá trị cho Claude như một tác nhân (agent) mà thay vào đó là mô tả các mô hình quy chuẩn trong các phản hồi của nó. Các kết quả phần lớn khớp với hồ sơ mô hình mà chính Anthropic đã mô tả, điều này có nghĩa là sự căn chỉnh này không phải là một kiểm chứng độc lập. Việc liệu những khác biệt về ngôn ngữ đại diện cho sự thích nghi đáng mong đợi với các cộng đồng ngôn ngữ khác nhau hay là các hiệu ứng huấn luyện ngoài ý muốn vẫn là một câu hỏi mở.

Tin tức AI không cường điệu – Được tuyển chọn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo tiên phong "AI Radar" độc quyền sáu lần một năm, quyền truy cập toàn bộ kho lưu trữ và quyền truy cập vào phần bình luận của chúng tôi.

Đăng ký ngay