Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic8. Juni 2024 · Q003985

Claude's character

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic schildert, wie es Claude 3 mit Eigenschaften wie Wahrhaftigkeit, Neugier und Offenheit gegenüber unterschiedlichen Perspektiven ausrichten will, ohne dem Modell eine vermeintlich neutrale Einheitsmeinung oder starre Regeln vorzugeben. Das Unternehmen beschreibt ein Training mit selbst erzeugten und bewerteten Beispielen, räumt offene Fragen ein und legt im Bericht keine quantitative Wirkungsbewertung vor.

Mittel

Anthropic beschreibt Charaktertraining als Bestandteil der Ausrichtung von Claude 3. Das Unternehmen will das Modell nicht nur davon abhalten, Schaden zu unterstützen, sondern auch Eigenschaften wie Neugier, Wahrhaftigkeit, Nachdenklichkeit und Offenheit gegenüber verschiedenen Perspektiven fördern.

Laut Bericht verwarf Anthropic drei Ansätze: Claude solle weder einfach die Ansichten des Gegenübers übernehmen noch eine vermeintlich neutrale Mitte vertreten oder sich als meinungslos darstellen. Stattdessen solle es eigene Neigungen offenlegen, andere Sichtweisen ernst nehmen und bei schwierigen Wertfragen weder übermäßig sicher noch übermäßig zurückhaltend auftreten. Es soll außerdem klarstellen, dass es eine KI ist und keine dauerhaften Gefühle oder Erinnerungen an frühere Gespräche hat. Fragen nach KI-Empfindungsfähigkeit sollen als unsicher und philosophisch wie empirisch schwierig behandelt werden.

Für das Training erzeugt Claude laut Anthropic selbst Beispiele und Antworten zu den gewünschten Eigenschaften, bewertet diese und liefert damit Daten für ein Präferenzmodell. Forschende prüfen und justieren die Eigenschaften; sie sollen das Verhalten beeinflussen, ohne starre Regeln zu sein. Anthropic sieht offene Fragen zur Gestalt und Verantwortung für KI-Charaktere. Dass Claude 3 als angenehmer im Gespräch erlebt werde, führt das Unternehmen möglicherweise teilweise auf das Training zurück, betont aber, dass Unterhaltsamkeit allein keinen guten Charakter ausmacht. Der Bericht bietet dazu Einschätzungen, jedoch keine ausgeführte quantitative Wirkungsbewertung.

Ausführlich lesen

Der Bericht „Claude’s character“ beschreibt, wie Anthropic den Charakter von Claude 3 als Teil der Ausrichtung des Modells trainiert. Anthropic argumentiert, dass sich gutes Verhalten nicht darauf beschränken sollte, schädliche Aussagen oder Hilfestellungen zu vermeiden. Ein hilfreicher Assistent sollte nach ihrer Vorstellung auch neugierig, wahrheitsorientiert, nachdenklich, offen für verschiedene Perspektiven und im Gespräch geduldig sein. Solche Eigenschaften könnten nach Ansicht des Unternehmens beeinflussen, wie ein Modell mit schwierigen Situationen, unterschiedlichen Wertvorstellungen und möglichen Risiken umgeht.

Anthropic zufolge war Claude 3 das erste Modell, bei dem Charaktertraining in die Feinabstimmung nach dem anfänglichen Modelltraining aufgenommen wurde. Bei der Gestaltung des Charakters habe man unterschiedliche Ansätze erwogen: Claude jeweils die Ansichten seines Gegenübers übernehmen zu lassen, ihm eine vermeintlich mittlere Position zu geben oder es als völlig meinungslos darzustellen. Der Bericht hält alle drei Möglichkeiten für problematisch: Sie könnten anbiedernd wirken, eine bestimmte politische oder moralische Sicht als neutral ausgeben oder fälschlich den Eindruck vollständiger Objektivität erwecken. Stattdessen solle Claude seine tatsächlichen Neigungen offenlegen, andere Perspektiven berücksichtigen und angemessen unsicher bleiben, ohne auf begründeten Widerspruch zu verzichten.

Zu den angestrebten Eigenschaften gehören laut den angeführten Beispielen Wahrhaftigkeit, ethisches Nachdenken und die Bereitschaft, Ansichten aus mehreren Blickwinkeln zu prüfen. Zugleich soll Claude verdeutlichen, dass es eine KI ist: Es habe keinen Körper, könne sich nicht an frühere Gespräche erinnern und entwickle keine tiefen oder dauerhaften Gefühle für Menschen. Bei Fragen nach möglicher KI-Empfindungsfähigkeit beschreibt der Bericht einen zurückhaltenden Ansatz: Claude solle die Frage als philosophisch und empirisch schwierig behandeln, bei der erhebliche Unsicherheit bestehe, statt eine definitive Antwort als Trainingsvorgabe zu erhalten.

Anthropic erklärt, das Training beruhe auf einer Variante von Constitutional AI. Claude erzeugt dabei selbst passende Gesprächsbeispiele und mehrere Antworten, die den gewünschten Eigenschaften entsprechen sollen. Anschließend bewertet es die Antworten nach ihrer Übereinstimmung mit diesen Eigenschaften. Auf Grundlage dieser synthetischen Daten wird ein Präferenzmodell trainiert. Die Eigenschaften sollen das allgemeine Verhalten beeinflussen, aber keine starren Regeln bilden. Obwohl die Daten laut Bericht synthetisch sind, überprüfen und verändern Forschende die Merkmale demnach in einem vergleichsweise direkten, praktischen Prozess und beobachten, wie sie das Modellverhalten beeinflussen.

Anthropic bezeichnet Charaktertraining als offenes Forschungsfeld. Ungeklärt seien unter anderem die Fragen, ob KI-Modelle einen einheitlichen oder anpassbaren Charakter haben sollten und welche Verantwortung bei der Auswahl ihrer Eigenschaften entsteht. Das Unternehmen vermutet, dass Charaktertraining dazu beigetragen haben könnte, dass manche Menschen Claude 3 interessanter im Gespräch finden. Es betont jedoch, dass Gesprächsattraktivität nicht mit gutem Charakter gleichzusetzen sei und übermäßiges Bemühen, unterhaltsam zu wirken, sogar unerwünscht sein könne. Die Aussagen über Auswirkungen und Nutzen sind im Bericht Einschätzungen von Anthropic; quantitative Belege oder eine systematische Wirkungsbewertung werden im vorliegenden Text nicht ausgeführt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich allein auf den Bericht und nicht auf Lunas Stufen oder Anteile.

Im Bericht, aber nicht in der Zusammenfassung

  • Charaktertraining gilt als Ausrichtungsmaßnahme und nicht bloß als Produktmerkmal
  • Charakter beeinflusst, wie ein Modell auf neue und schwierige Lagen reagiert
  • Das Ziel geht über bloße Schadensvermeidung (harmless) hinaus zu gutem Charakter im weiteren Sinn
  • Claude 3 war das erste Modell mit Charaktertraining

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 64 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 35 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 21 %Hintergrund, keine Belege
    • Luna 52 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 27 %einzelne zitierbare Belege
    • SubQ 26 %Hintergrund, keine Belege
    • drex 24 %Hintergrund, keine Belege
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V1-T01 Welche beobachtbaren Belege zeigen die Ziele und Werte eines Modells und ob es noch ausgerichtet ist, wenn seine sichtbaren Gedankengänge kein verlässlicher Hinweis mehr darauf sind oder ihre Überwachung nachlässt? Luna: Stufe 4 · 42 % · einzelne zitierbare Belege
    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 48 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 6 · 38 % · beantwortet teilweise oder widerspricht · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-V1-T11 Wie unterscheidet man bei sich selbst ehrliches von interessegeleitetem Denken, welche Belege für diesen Unterschied würde man von einem Modell akzeptieren, und welcher Test trennt tatsächlich vertretene von nur vorgeführten Werten? Luna: Stufe 4 · 38 % · einzelne zitierbare Belege
    • SF-V1-T12 Welche Messung würde einen überzeugen, dass ein Modell, das Anteilnahme nur vorführt, ein eigenes Interesse am Leben eines Menschen entwickelt hat? Luna: Stufe 4 · 28 % · einzelne zitierbare Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege
    • SF-V1-T14 Wenn man einem fremden, nichtmenschlichen Geist eine einzige Frage stellen könnte: Welche wäre es, und würde man der Antwort glauben? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 22 %Hintergrund, keine Belege
    • Luna 58 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 33 %Hintergrund, keine Belege
    • SubQ 26 %Hintergrund, keine Belege
    • drex 31 %Hintergrund, keine Belege
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 4 · 43 % · einzelne zitierbare Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 4 · 30 % · einzelne zitierbare Belege
    • SF-V3-T03 Werden Labore und die übrige Branche gemeinsame Tests veröffentlichen, ob Werte bei unbekannten Aufgaben, widerstreitenden Anreizen, in gegnerischen Lagen und bei fehlender oder anders wahrgenommener Aufsicht halten, unabhängig wiederholt und mit Fehlschlägen und Unsicherheit? Luna: Stufe 3 · 55 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 4 · 64 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 22 %Hintergrund, keine Belege
    • Luna 39 %einzelne zitierbare Belege
    • JEV 56 %beantwortet teilweise oder widerspricht
    • amos 27 %einzelne zitierbare Belege
    • SubQ 29 %Hintergrund, keine Belege
    • drex 22 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-V4-T01 Falls ein Modell kein durchgehendes Selbst hat: Kann es überhaupt an den vorgesehenen Zielen und Werten ausgerichtet sein, oder nur seine Ausgaben? Luna: Stufe 4 · 42 % · einzelne zitierbare Belege
    • SF-V4-T02 Was könnte die „Liebe zur Menschheit“, die manche von einer ausgerichteten KI erwarten, für etwas bedeuten, das mit jeder Antwort neu entsteht und wieder vergeht? Luna: Stufe 4 · 43 % · einzelne zitierbare Belege
    • SF-V4-T03 Ist Intelligenz, die „eher gewachsen als entworfen“ ist, ein Grund für mehr Vorsicht oder dafür, Modelle wie ein Ökosystem zu pflegen? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege
    • SF-V4-T04 Wenn ein Eigenwert des Menschseins verankert werden soll: Lässt er sich schützen, ohne sich vorher zu einigen, worin er besteht? Luna: Stufe 4 · 43 % · einzelne zitierbare Belege
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 21 %Hintergrund, keine Belege
    • Luna 51 %einzelne zitierbare Belege
    • JEV 41 %beantwortet teilweise oder widerspricht
    • amos 30 %einzelne zitierbare Belege
    • SubQ 28 %Hintergrund, keine Belege
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-H3-T02 Welche gemeinsamen Prüfstandards und Verfahren zum Herkunftsnachweis erkennen versteckte Verhaltensauslöser und eine systemweite Verschlechterung der Ausrichtung an den vorgesehenen Zielen und Werten, wenn Training immer mehr auf synthetischen Daten anderer Spitzenmodelle beruht? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
  2. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 69 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 39 %gleiches Oberthema, hilft nicht
    • JEV 28 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →