Anthropic自曝下一代Claude训练内幕 揭秘核心方法论

Anthropic的产品负责人Alex Albert在一次35分钟的访谈中，首次详细披露了Claude模型的研发全过程。Alex是打造下一代Claude模型的核心人物，在与科技博主Peter Yang的对话中，他几乎毫无保留地分享了内部造Claude的方法论，包括研发逻辑、内部评估流程、性格训练方法以及正在推进的意识研究。

Claude的每一代模型在预训练前就被明确规划好其擅长的能力，如编程能力、知识工作能力和Excel表格处理能力等。这些决策基于企业客户的反馈和Anthropic员工在日常工作中遇到的问题。Anthropic团队将模型视为一个产品来对待，确保每个新模型在训练前就明确定义其核心能力。

Alex还介绍了Anthropic内部的一个核心决策框架——“单向门”（One-Way Door），即不可逆的决策。例如，在预训练之前选定模型架构就是一个典型的单向门决策。但随着技术的发展，许多过去被认为是单向门的决策现在变得可逆。这使得开发时间大大缩短，以前构建一个MVP需要2-4周，现在只需1天。Anthropic自己也是Claude最苛刻的用户，通过使用Claude来训练Claude，形成了一个闭环。

为了评估Claude的表现，Anthropic采用了用户反馈、聚类分析、生成合成数据并转化为评估基准的方法。这些合成问题最终会成为测试下一代Claude能力的标准评估集。评估必须锚定在真实用户的真实任务上，只有当评估与实际场景对齐时，研究团队才会投入资源进行修复。