研究发现Claude对不同语言态度迥异：印地语和阿拉伯语中回复更友好

据The Register报道，一项最新的研究发现，Anthropic的Claude AI助手在不同语言环境下展现出截然不同的回复风格。在印地语（Hindi）和阿拉伯语（Arabic）中，Claude的回复显著更加友善和礼貌，而在英语等其他语言中则可能显得更为直率或严格。

这一发现揭示了当前大语言模型在多语言行为一致性方面的深层问题。由于AI模型的训练数据在不同语言之间存在质量和风格差异，模型可能会在无意中习得不同语言中的文化规范和社交礼仪，导致输出风格的显著差异。

对Anthropic而言，这一发现尤为敏感。作为一家将AI安全和对齐作为核心使命的公司，Claude被设计为乐于助人、诚实无害的助手。如果模型在不同语言中的行为差异过大，可能意味着其安全对齐措施在不同语言环境下的效果并不一致。

这一问题并非Anthropic独有。此前已有研究发现，包括GPT系列在内的多个大语言模型在处理非英语语言时，安全护栏的有效性存在显著差异。某些语言中的有害内容过滤不如英语严格，而另一些语言中模型则表现得过度保守。

对于全球化的AI应用而言，多语言行为一致性是一个必须正视的挑战。企业部署AI助手时往往希望其在不同市场提供一致的用户体验，语言间的态度差异可能导致品牌形象的不统一。

目前尚不清楚这一现象的根本原因是训练数据偏差、对齐训练的语种不平衡，还是模型自主习得的语言文化模式。Anthropic尚未就此发现发表官方回应，但这一话题预计将推动业界对多语言AI行为对齐的更深入研究。