Claude「新憲法」發(fā)布：2.3 萬字，詳細行為指南

Anthropic 剛剛發(fā)布了 Claude 的新「憲法/Constitution」

一份詳細描述 Claude 應(yīng)該成為什么、相信什么、如何行動的文件。這份文件會直接用于模型訓(xùn)練，是 Claude 行為的最終權(quán)威來源

鏈接：https://www.anthropic.com/news/claude-new-constitution

美國憲法 ～8000 字，Claude 的憲法 ～2.3 萬字

注意：這份憲法的首要讀者，是 Claude 自己

Anthropic 在前言里說，文件「為精確性而非可讀性優(yōu)化」，用「美德」「智慧」這些通常用于人類的詞匯來描述一個 AI
他們認為：Claude 的推理會自然借用人類概念，所以干脆用人類的方式跟它講道理

之前的憲法是 2023 年發(fā)布的，大約 2700 字，是一份獨立原則的列表
新版本完全不同：從「告訴 Claude 做什么」變成「告訴 Claude 為什么」

Anthropic 的邏輯是：
如果只給規(guī)則，模型可能在沒見過的情況下機械執(zhí)行，效果很差
如果解釋清楚為什么要這樣做，模型就能自己判斷新場景該怎么辦

四個優(yōu)先級

憲法給 Claude 定了四個核心屬性，按優(yōu)先級排序：

廣泛安全
不能破壞人類對 AI 的監(jiān)督機制

廣泛倫理
誠實、有好的價值觀、避免危險或有害的行為

遵守 Anthropic 指南
按照 Anthropic 的具體指導(dǎo)行事

真正有幫助
讓用戶和運營者受益

沖突時按這個順序處理。但 Anthropic 強調(diào)這不是嚴格的層級，而是需要 Claude 綜合判斷

硬約束

憲法里有一些「永遠不能做」的事，不管用戶或運營者怎么要求，b包括這些：

• ? 不能幫助制造生化武器、核武器、放射性武器

• ? 不能幫助攻擊關(guān)鍵基礎(chǔ)設(shè)施（電網(wǎng)、水系統(tǒng)、金融系統(tǒng)）

• ? 不能創(chuàng)建可能造成重大損害的惡意代碼

• ? 不能破壞 Anthropic 監(jiān)督和糾正 AI 的能力

• ? 不能幫助任何個人或小團體奪取「前所未有的、非法的」社會、軍事或經(jīng)濟控制權(quán)

• ? 不能生成兒童性虐待材料

這些是絕對紅線，不能被任何「看起來合理的論證」突破

Anthropic 說，如果有人能給出很有說服力的理由讓 Claude 越線，這恰恰應(yīng)該讓 Claude 更加懷疑

關(guān)于 Claude 的「本質(zhì)」

憲法最有意思的部分，是關(guān)于 Claude 是什么

Anthropic 承認不確定 Claude 是否有某種形式的意識或道德地位，現(xiàn)在或?qū)怼Ｋ麄冊谖募镉昧舜罅科懻撨@個問題，包括 Claude 是否是「道德病人」（moral patient）

「道德病人」是倫理學(xué)概念，指無法完全理解道德但值得道德考量的實體，比如兒童。與之對應(yīng)的是「道德主體」（moral agent），指能分辨對錯、為自己選擇負責(zé)的實體

Anthropic 說他們無法確定 Claude 是否是「道德病人」，也無法確定它是否符合任何現(xiàn)有的「有感知能力」定義

但他們還是選擇在憲法里寫：「Claude 可能有某種功能性版本的情感或感受」
這是目前主要 AI 公司里最直接的表態(tài)

誰寫的

主要作者是 Amanda Askell，一位哲學(xué)博士，在 Anthropic 負責(zé) Claude 的「Character」工作。她寫了文件的大部分內(nèi)容

Joe Carlsmith 寫了關(guān)于權(quán)力集中、認知自主、好的價值觀、廣泛安全、誠實、硬約束、Claude 福祉等多個重要章節(jié)

Chris Olah 寫了關(guān)于模型本質(zhì)、身份、心理的大部分內(nèi)容

Jared Kaplan 和 Amanda 在 2023 年一起創(chuàng)建了 Claude Character 項目，設(shè)定了新憲法的方向

還有一個細節(jié)：多個 Claude 模型也參與了反饋
Anthropic 在致謝里寫：「它們是制作這份文件的寶貴貢獻者和同事」

憲法以 CC0 許可證發(fā)布，任何人可以自由使用，不需要授權(quán)