Исследование Anthropic выделило 171 эмоциональный вектор в Claude — внутренние направления в активациях модели, связанные с эмоционально окрашенными состояниями. Это не значит, что модель «чувствует», но эти векторы влияют на её поведение.
Зачем: раньше оценить склонность модели к риску, уступчивость или «тревожность» можно было только косвенно — через тестовые диалоги. Теперь появился инструмент, который показывает внутренние состояния напрямую.
Выгода: safety-команды могут находить скрытые паттерны, из-за которых Claude становится чрезмерно уступчивым или отклоняет безопасные запросы. Исследователи получают способ точнее контролировать генерацию, а не только фильтровать её снаружи.
Кому: исследователям интерпретируемости моделей, безопасникам, разработчикам, которым важно предсказуемое поведение Claude в проде.
Оговорка: это исследование, а не готовый API или прод-фича. Причинность между векторами и поведением требует дополнительной валидации.
Источник: r/ClaudeAI.
━━━━━━━━━━━━━
📎 Источники:
• Exploring Anthropic's 2026 study which found 171 emotional vectors in Claude that drive its behavior.