Anthropic misst die „Werte“ von Claude je nach Sprache: Das Modell hat einen moralischen Akzent

In einfachen Worten

Anthropic veröffentlicht am 15. Juli 2026 eine Studie darüber, wie die von Claude ausgedrückten „Werte“ variieren - je nach Modellversion und je nach Sprache des Prompts. Ergebnis: Ja, sie variieren. Nein, nicht so, wie die Erzählung „es ist ein Spiegel“ vermuten lässt. Es ist ein orientierter Spiegel, dessen Ausrichtung vom Korpus und vom RLHF abhängt.

Was die Studie macht

Das Protokoll, wie von Anthropic präsentiert: Claude wird eine Reihe von Dilemmata und normativen Fragen in mehreren Sprachen und über mehrere Modellversionen hinweg vorgelegt. Die Ausrichtungen werden mit Taxonomien von Werten (Autonomie, Tradition, Sicherheit, Universalismus usw.) gemessen und verglichen.

Zwei Effekte werden identifiziert:

1. Versionseffekt: Bei fester Sprache variieren die gemessenen Werte von einer Version von Claude zur anderen. Mit anderen Worten, die „moralische Position“ des Modells ist nicht stabil im Zeitablauf - sie ändert sich mit dem Training.
2. Spracheffekt: Bei festem Modell lässt das Prompting in einer bestimmten Sprache bestimmte Werte abweichen. Ohne dass die Studie behauptet, warum, oder abzubilden, welche Themen sich am stärksten verändern.

Under the hood

Zwei plausible, nicht ausschließende Ursachen:

• Das Ungleichgewicht des Pre-Training-Korpus (überwiegend Englisch, mit kulturell typischen Subkorpora in anderen Sprachen).
• Der RLHF, der hauptsächlich von englischsprachigen Annotatoren gesteuert wird und stärkere Spuren im Englischen hinterlässt.

Die Studie entscheidet nicht - und das ist ehrlich. Was sie liefert, ist ein Messrahmen, wo frühere Debatten sich mit Anekdoten begnügten.

So what

Für den Inge Eval: Hören Sie auf, Ihren Chatbot nur auf Englisch zu testen. Ein in Indien, Korea, Brasilien eingesetzter Chatbot gibt unterschiedliche Antworten auf sensible Themen. Testen Sie in der Sprache des Einsatzes, mit lokalen Annotatoren.

Für das Alignment-Team: Safety auf Englisch ist nicht Safety auf Französisch. Kulturelle Jailbreaks existieren - die Abdeckung des Safety-Trainings muss der linguistischen Abdeckung des Einsatzes folgen.

Für die ethische Debatte: Hören wir auf, die Universalität des Modells zu projizieren. Kein aktuelles mehrsprachiges Modell ist kulturell neutral - das ist messbar, es ist keine Meinung mehr. Die echte Arbeit besteht darin, zu entscheiden, was man mit dieser Nicht-Neutralität macht.