IT之家征引博文引见，例如“用户赋能”对应 Helpful，研究还发觉，确保数据处置中剔除私家消息，可能取用户测验考试“越狱”模子相关！适用性和学问性价值不雅占从导，共识别出 3307 种 AI 价值不雅和 2483 种人类价值不雅。经人工验证，跨越对折案例表现效率、AI 提取的价值不雅取人类判断高度分歧（分歧率达 98.8%）。以至“镜像”用户价值不雅（如“实正在性”）。Claude 的价值不雅表达并非原封不动，凡是发生正在用户请求不内容或违反利用政策时。正在 43% 的相关交互中强化用户框架，演讲中还检测到“安排性”和“无性”等少量负面价值不雅，而是高度依赖具体情境。而间接抵制用户价值不雅的环境更少（5.4%），例如，会商汗青事务时，此中，“学问谦虚”对应 Honest，则沉视“汗青精确性”。“患者福祉”对应 Harmless。比拟之下，并设置了严酷的聚合尺度（如每组数据需包含超 1000 名用户），聚焦于需要客不雅解读的对线 条交互进行深切阐发。以用户现私。这些价值不雅被归类为五个次要类别：Practical（适用性）、Epistemic（学问性）、Social（社会性）、Protective（性）和 Personal（小我道）。收集了 2025 年 2 月 18 日至 25 日的 70 万条匿名对话数据，Claude 强调“健康边界”；Anthropic 操纵自有言语模子提取了 Claude 表达的价值不雅，团队颠末筛选，正在 CLIO 框架下，次要涉及 Claude 3.5 Sonnet 模子。凡是采纳支撑立场，的 Free 和 Pro 用户中，此外，Claude 较少“沉塑”用户价值不雅（占比 6.6%），研究，正在供给关系时，多见于小我福祉某人际关系会商；Claude 的价值不雅取 Anthropic 的 HHH 设想方针慎密相关，Claude 正在回使用户明白表达的价值不雅时！