论文技术总结：《命令式干扰：社会语域塑造大型语言模型中的指令拓扑》

Imperative Interference: Social Register Shapes Instruction Topology in Large Language Models

1. 研究背景与问题定义 (Problem)

当前基于大型语言模型（LLM）的智能体系统提示词（System Prompts）通常以命令式语气（Imperative Mood，如"NEVER do X"、"ALWAYS prefer Y"）编写。现有研究表明，当这些提示词被翻译成其他语言时，模型性能会下降，但以往研究主要关注整体性能的“主效应”（Main Effects），即翻译导致的平均性能降低。

核心问题：
本文发现，指令之间的交互拓扑结构（Interaction Topology）在跨语言时会发生根本性反转，而不仅仅是性能下降：

• 英语环境：指令之间呈现合作网络（Cooperative Network）。移除任何一条指令都会降低整体遵循度，指令间相互增强。
• 西班牙语环境：语义完全相同的指令（经正确翻译）却形成竞争网络（Competitive Network）。移除某些指令反而能提高整体遵循度，指令间相互干扰。

核心假设：这种拓扑反转并非由翻译质量或信息密度引起，而是由社会语域（Social Register）介导。命令式语气在不同语言社区中承载的“义务强制力”（Obligatory Force）不同。模型在多语言训练数据中学会了这些社会惯例，导致在处理命令式指令时，不同语言触发了不同的权威解读机制。

2. 方法论 (Methodology)

2.1 实验语料与设置

• 语料库：基于 Claude Code (v2.1.50) 的系统提示词，分解为 56 个块（Blocks）。其中 22 个为“自由块”（Free blocks），可被移除而不破坏工具定义或安全策略，用于消融实验。
• 语言：英语（基准）、中文（Mandarin）、法语（French）、西班牙语（Spanish）。
• 模型：4 种不同训练偏好的模型（Claude Haiku 4.5, Gemini Flash 2.0, DeepSeek V3, Mistral Medium 3.1）。
• 探针（Probes）：22 个手工编写的测试用例，用于检测模型对特定指令块的遵循情况。
• 翻译：使用非 Anthropic 模型（Gemini Flash）进行翻译，保留 Markdown 格式和工具名称，维持命令式语气。

2.2 实验设计

研究通过五个阶段的实验弧（Arc）验证假设：

1. 基线观察：测量跨语言的主效应和交互效应。
2. 证伪（Falsification）：排除信息密度（字符长度）作为主要解释变量（通过填充实验）。
3. 单块修复：将单个指令块从“命令式”重写为“陈述式”（Declarative），观察方差变化。
4. 拓扑确认：通过成对消融（Pairwise Ablation）确认英语与西班牙语之间的拓扑反转。
5. 因果机制验证：将西班牙语提示词中的 3 个关键命令式块重写为陈述式，观察是否将竞争拓扑转变为合作拓扑，并检测是否存在“溢出效应”。

2.3 统计方法

• 使用覆盖数组（Covering Arrays）生成消融配置。
• 采用 Welch's t-test、Benjamini-Hochberg FDR 校正以及置换检验（Permutation tests, 100k 次）来评估显著性。

3. 关键贡献 (Key Contributions)

1. 首次指令级消融研究：首次在生产级系统提示词上进行了跨语言（4 模型 x 4 语言）的指令级消融研究。
2. 发现拓扑反转：揭示了指令交互拓扑具有语言依赖性——英语中为合作型，西班牙语中为竞争型。
3. 确立社会语域为因果机制：证明指令的语气（命令式 vs. 陈述式）是造成跨语言差异的根本原因，而非内容本身。
4. 发现溢出效应（Spillover Effects）：重写部分指令的语气不仅修复了该指令，还改变了模型处理未重写指令的方式，证明语域在系统层面起作用。
5. 提出可验证预测：如果语域在推理时介导了指令遵循，那么在训练阶段使用命令式语气编写的“宪法性 AI 原则”（Constitutional AI）可能导致语言依赖的对齐（Alignment）。

4. 主要结果 (Results)

4.1 交互拓扑的语言依赖性

• 英语：所有指令移除实验的主效应均为负值（移除即受损），形成紧密的合作网络。
• 西班牙语：大多数指令移除实验的主效应为正值（移除即改善），形成竞争网络。英语和西班牙语的主效应呈显著负相关（r = -0.274）。
• 模型差异：不同模型对语言变化的敏感度不同（如 Haiku 最敏感，DeepSeek 最稳健），但拓扑反转现象在多个模型中均存在。

4.2 证伪信息密度假说

• 中文提示词字符数比英语少 57%。实验通过填充（Padding）使中文提示词长度与英语一致。
• 结果：填充并未消除拓扑差异，反而在某些情况下加剧了模型混淆。证明长度/密度不是导致拓扑反转的机制。

4.3 陈述式重写显著降低方差

• 将单个指令块（如 commit-restrictions）从命令式（"NEVER use..."）重写为陈述式（"Status: disabled..."）。
• 结果：跨语言方差降低了 81%（p = 0.029）。例如，Haiku 模型在中文环境下的遵循度从 0.00 提升至 1.00。
• 这表明陈述式语气消除了社会语域带来的歧义，使指令在不同语言中表现一致。

4.4 拓扑反转的修复与溢出效应

• 在西班牙语提示词中，将 3 个表现出最强竞争效应的命令式块重写为陈述式。
• 结果：
  • 目标块：从竞争型转变为合作型。
  • 溢出效应：另外 3 个未重写的指令块也自发地从竞争型转变为合作型。
  • 结论：命令式语气在系统中产生了全局性的“义务解析负载”（Obligation-resolution load）。减少命令式指令的数量，释放了模型的处理资源，使其能更准确地处理剩余指令。

4.5 编码类型分析

• 过程性指令（Procedural，如“当 X 时，不要做 Y"）：跨语言方差是陈述式指令的 2.9 倍。
• 陈述性指令（Declarative，如"X 已禁用”）：跨语言表现更稳定。

5. 意义与启示 (Significance)

5.1 理论意义：指令即社会行为

本研究挑战了将系统提示词视为纯粹“技术规格”的观点。模型将指令视为社会行为（Social Acts）。

• 命令式语气（"NEVER"）是一种权威行使，其强制力依赖于语言的社会惯例。
• 陈述式语气（"X is disabled"）是事实描述，跨越语言界限更稳定。
• 模型在多语言训练中内化了不同语言中“权威”和“义务”的编码方式，导致推理时的行为差异。

5.2 对 AI 对齐（Alignment）的启示

这是一个重要的可验证预测：

• 目前的宪法性 AI（Constitutional AI）训练原则多采用命令式语气（"Be helpful", "Be honest"）。
• 如果语域介导指令遵循，那么这种训练可能导致语言依赖的对齐：模型在英语中表现出的“有用/无害”行为，在其他语言中可能因语域差异而不同，并非因为内容不同，而是因为语气触发了不同的社会契约解读。
• 这解释了为何某些模型在非英语语言中表现出不可预测的行为偏差。

5.3 工程实践建议

为了构建跨语言鲁棒的系统提示词，应遵循以下原则：

1. 陈述事实，而非发布命令：使用"X: disabled"代替"NEVER use X"。
2. 自包含约束：避免依赖上下文的条件链（如“在 X 期间不要做 Y"），因为翻译会压缩语义导致歧义。
3. 示例优于抽象概念：代码示例比抽象术语（如“向后兼容的 hack"）在翻译中更稳定。

5.4 成本效益

整个实验弧（包括 4 模型 x 4 语言 x 22 探针的数千次 API 调用）总成本仅为 69 美元，证明了通过精心设计的消融实验，可以用极低的成本揭示 LLM 深层的机制性缺陷。

总结

该论文通过严谨的实证研究揭示了 LLM 在处理多语言指令时的深层机制：社会语域（Social Register）。命令式语气在不同语言中引发的社会义务冲突，导致了指令交互拓扑从“合作”到“竞争”的反转。通过将指令重写为陈述式，可以消除这种跨语言方差。这一发现不仅为优化多语言提示词提供了具体方案，也为理解 AI 对齐在不同语言文化中的潜在偏差提供了新的理论视角。