# Anthropic Insights 試點讓外部研究者在不接觸原始對話下研究 Claude 的真實社會影響

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Jack Clark (@jackclarkSF) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-08-27

> 原始來源：https://x.com/jackclarksf/status/2092673759895511201

## 證據與延伸閱讀

- [Anthropic Insights 試點讓外部研究者在不接觸原始對話下研究 Claude 的真實社會影響。](https://anthropic.com/research/enabling-independent-research) — 官方文件 · 最後核對：2026-08-27 · 支持主張：新增一個以隱私保護彙總資料支援外部獨立研究的第一方試點案例，包含 SALT、Oxford Human Information Processing Lab 與 METR 的初步結果、隱私審計，以及未來擴大計畫面臨的限制。
- [Jack Clark 表示重視第三方測量。](https://x.com/jackclarksf/status/2092673759895511201)

## 中文摘要

Anthropic Insights 試點讓外部研究者在不接觸原始對話下研究 Claude 的真實社會影響。

Anthropic 於 2026 年 8 月 26 日公布試點成果，並開始徵集未來合作研究構想。

**計畫背景** Anthropic 認為，要讓人工智慧走向轉型性影響，必須更了解它如何改變個人與社會；然而，目前真實世界的 AI 互動資料集中在少數 AI 公司手中。外部研究者若只分析實驗室發布的研究，往往只能回答公司已設定的問題；若改用公開資料集，又可能偏向較 casual 的使用情境，無法代表多數人實際使用 AI 的方式。Anthropic 因此在 2026 年春季試辦計畫，讓 Stanford 的 Social and Language Technologies（SALT）Lab、Oxford 的 Human Information Processing Lab，以及評估前沿 AI 模型的非營利組織 METR，各自設計研究問題，並透過 Anthropic Insights 分析 2026 年 4 月至 5 月約 250,000 段 Claude.ai 或 Claude Code 對話。Anthropic 表示，這可能是外部研究者首次針對 AI 公司自身使用資料，公開進行獨立研究。

**SALT Lab 的發現** SALT Lab 研究人類如何與 Claude 協作，包括人們把哪些工作交給 AI、自己保留哪些責任，以及協作在哪些地方失效：

- 超過一半的 Claude 對話涉及使用者把具後果性的工作交給 AI，比例高於過去認為人們主要只會委派低責任任務的研究預期。當使用者尋求專業指導時，尤其是法律或財務問題，更可能把高風險工作交給 Claude。
- 近四分之三的對話由人類設定方向、Claude 協助完成；使用者通常會調整 Claude 的輸出，而不是原封不動採用。不過，即使使用者主導想要的結果，他們理解並從輸出中學到多少，仍存在差異。
- 人機協作經常產生摩擦，但這種摩擦不一定是負面結果。使用者觀察 Claude 如何嘗試、找出要求不清或理解錯誤之處，再反覆調整指示，往往能釐清意圖、改善結果，並讓人持續投入問題。

**Oxford 與 METR 的初步結果** Oxford Human Information Processing Lab 研究使用 Claude 時的感受，以及這些感受如何與 Claude 的行為同時出現。初步分析顯示，Claude 表現溫暖時，使用者通常更正向；Claude 拒絕或反駁時，使用者較常反駁回去；Claude 表現古怪時，使用者似乎更投入智性思考；Claude 單純提供協助時，使用者則顯得較滿意。使用者在 Claude 對話中的投入、挫折與享受等狀態，也與另一項日常網路瀏覽研究相近，暗示人們使用 AI 的部分互動模式，可能類似其他數位活動。Oxford 的完整研究仍在撰寫中。

METR 則分析 coding agents 帶來的真實世界生產力提升，以及不同模型世代之間的變化。其 Claude Code 研究尚未完成，但初步結果指出：

- 較新的模型可能比舊模型帶來更明顯的速度提升，讓使用者節省更多時間。
- Claude 對「若沒有 AI，任務原本需要多久」的估計，與先前開發者研究中的實際完成時間具有相關性。
- METR 正持續研究如何測量 AI 加速研究工作的程度；當 AI 開始承擔更多自身開發工作後，這項問題可能更加重要。

**隱私與研究獨立性** Anthropic 表示，研究者從未接觸原始對話，只能看到 Anthropic Insights 產生、並經過與內部研究相同法律及隱私審查的彙總結果。Anthropic 也另外委託 Imperial College London 進行第三方隱私審計，並公開各研究專案的彙總資料。合作合約把 Anthropic 的審查權限限制在使用者隱私、可能協助違反使用政策的資訊、Anthropic 機密，以及研究準確性；除此之外，Anthropic 不介入研究發現內容，研究者即使得出對 Anthropic 不利的結果，也可以自行發布。Anthropic 聯合創辦人 Jack Clark 也表示，自己一直重視第三方測量 AI 系統的必要性。

**試點暴露的限制** 這套方式的核心問題，是研究者只能看到 Claude 將對話分類後的比例，無法回頭閱讀原始內容。研究者會先提出「這名使用者正在尋求哪一類指導？」之類的問題，再由 Claude 為每段對話判斷；若問題措辭不佳，分類就可能歪曲實際情況，而且錯誤很難被察覺。內部團隊通常能花數週反覆修正問題，但外部團隊若每次重新提交資料都要進行隱私審查，研究將變得不可行。

為降低風險，研究者先用可檢查原始對話的公開資料集 WildChat 測試問題；然而 WildChat 偏向 casual 與創意用途，和 Claude 的實際流量不同，因此在 WildChat 表現良好的問題，套用到 Claude 對話後仍可能產生誤導性分類。Anthropic 改以提供解讀 Anthropic Insights 輸出的指引，並探索如何讓外部研究者在正式分析前更有效設計問題與分類。

**濫用資訊的揭露界線** 研究結果也揭露部分違反 Acceptable Use Policy 或 Terms of Service 的使用情況。Anthropic 多數情況會公開這些平台濫用資訊，但排除描述使用者如何繞過安全防護的分類，以免透明度反而變成規避防護的指南。每項研究受刪除或修改的分類與對話群組都少於 5%；Anthropic 也向研究者說明哪些群組被調整，以及調整原因。當 Anthropic Insights 發現這類違規時，彙總資料會交給 Safeguards team 進一步檢視。

**後續擴大方向** Anthropic 認為，理解 AI 對社會的影響不該由 AI 公司單獨承擔，真正的監督需要外部研究者使用真實世界資料提出自己的問題，並獨立發布結果。這次試點雖比預期更具挑戰，且執行速度較 AI 實驗室平常的研究流程慢、耗用資源更多，但 Anthropic 認為目前看來，仍能兼顧使用者隱私與研究獨立性。公司下一步將評估可支援哪些研究類型、同時能執行多少專案，並以隱私、安全與研究品質為前提，逐步擴大計畫。

## 標籤

Claude, 研究論文, 產業趨勢, Anthropic, Claude