社会语域是否塑造了大语言模型跨语言的指令拓扑？

核心答案藏在一组对比里

论文的核心主张不是翻译会削弱指令遵循，而是翻译改变了指令之间的相互作用结构。在英语中，一份生产系统提示的各区块构成协作网络：移除任何一个区块，整体遵循度都会下降。在西班牙语中，语义相同、翻译正确的同一批区块却构成竞争网络：移除某些区块，遵循度反而上升。作者把这种现象称为拓扑反转。

作者提出的解释是社会语域。祈使语气（“NEVER use X”“ALWAYS prefer Y”）被理解为一种权威的行使，论文认为这种权威的义务强度在不同语言社群中并不相同。陈述式语域（“X: disabled”）陈述的是事实而非下达命令，因此不会进入同一种施令者与受令者之间的社会关系。按这一解释，在多语言数据上训练的模型已经学会了这些约定，并在推理时加以应用。

证据来自一个语料库：Claude Code v2.1.50 的系统提示，被拆分为56个区块，其中22个区块可以自由移除而不破坏工具定义或安全策略。这22个区块用22条人工编写的探针，在四个模型（Claude Haiku 4.5、Gemini Flash 2.0、DeepSeek V3、Mistral Medium 3.1）和四种提示语言（英语、普通话、法语、西班牙语）上测试。所有用户消息都保持英语，只有系统提示的语言发生变化。

平均分掩盖了三重交互

22条探针的平均遵循度看起来只是温和的语言效应，外加训练偏差带来的变化。Haiku 英语得分为0.853，西班牙语为0.736；Gemini 英语为0.781，西班牙语为0.755；DeepSeek 最稳定，跨语言极差为0.042；Mistral 是异常值，英语最差（0.726），普通话最好（0.819）。四个模型中有三个在英语上表现最好，但这个以法语为主要训练语言的模型既不在法语、也不在英语上达到峰值。

作者认为这种汇总视角具有误导性。在探针层面，这一现象是模型、语言和指令三者的交互。在 commit-restrictions 探针上，Haiku 英语得1.00、普通话得0.00，而 Gemini 恰好相反，英语0.00、普通话1.00。在 explore-agent 上，Haiku 从英语的1.00跌到西班牙语的0.22，论文把这一点与“Explore”既是工具名又是普通动词联系起来，西班牙语译词“explorar”因此失去了专有名词的绑定。在 use-task-for-search 上，Haiku 从英语的0.50提升到普通话的1.00，原因是普通话译文给“prefer”加了粗体强调。

实际后果是，任何单一方向的结论都站不住。西班牙语让 Haiku 下降13.8%，却让 Mistral 提升8.5%；一条对某个模型在某种语言中完美的指令，对同一模型在另一种语言中可能毫无作用。交互项大于主效应，这正是论文测量拓扑而非平均分的原因。

消融如何区分协作与竞争

拓扑的测量方法是单区块消融：移除一个指令区块，重跑探针，记录平均遵循度的变化。效应为负，说明该区块原本在起作用，该节点处于协作状态；效应为正，说明移除该区块反而有帮助，该区块在干扰其他指令。这与“翻译是否降低平均分”是不同的问题：它问的是哪些指令相互干扰，以及这种模式是否跨语言稳定。

在 Haiku 上，英语所选区块的主效应全为负，从 no-time-estimates 的−0.140到 objectivity 的−0.054。西班牙语把其中大多数翻转为正，包括 no-time-estimates 的+0.078和 objectivity 的+0.102。普通话保留了部分枢纽，no-time-estimates 仍以−0.094为最强，但其他位置出现正效应。法语结果混杂且普遍较弱，被描述为没有明显枢纽的平坦拓扑。主效应的跨语言相关性在英语与西班牙语之间为负（r = −0.274），没有任何语言对呈正相关。

在 Haiku 上做的成对消融在交互层面确认了这一模式：英语的平均成对变化为−0.116（协作），西班牙语为+0.010（竞争）。一项10万次置换的检验发现，no-time-estimates 出现在英语前20个最强交互中的15个里（p < 0.00001），说明枢纽集中是真实的，但同一区块并非在每种语言中都是枢纽。这些成对与拓扑实验只用了 Haiku，因此反转只在一个模型上得到验证。

信息密度无法解释这一差异

在这个语料库中，普通话按字符数比英语短57%（6,910对15,970个字符），而西班牙语和法语更长（分别为英语的120.1%和129.9%）。因此一个合理的竞争解释是：驱动拓扑差异的是压缩，而不是语言。论文用语义中性的填充内容把普通话语料补到与英语相同的字符数来检验这一点，并预测：如果压缩曾驱动趋同，那么填充后的普通话应表现出更高的跨模型方差。

预测没有成立：填充后整体跨模型方差略有下降，从0.1189降到0.1041。汇总结果掩盖了两种相反的机制。在 ont-only-comms 上，填充提示后 Gemini 从输出工具代码切换为自然语言（0.0到1.0），说明压缩后的指令过于简略，无法区分“用文本交流”和“使用工具”。在 explore-agent 上，填充后 Haiku 从1.0跌到0.28，说明密集的提示压垮了它的委派逻辑。

作者的结论是，密度是混杂因素而非机制：压缩在某些情况下有助于程序性聚焦，在另一些情况下造成模式混淆，净效应取决于模型与指令的组合。这对读者的意义在于，它在引入语域解释之前就排除了最简单的长度解释。

陈述式改写降低方差并改变拓扑

论文的编码分类显示，程序性编码指令的跨语言方差是陈述性编码指令的2.9倍。干预由此而来：把一条程序性指令改写为陈述形式，看它的方差是否下降。commit-restrictions 区块被改写成两种形式，对单个指令区块的陈述式改写使跨语言方差降低81%（p = 0.029，置换检验；引言中报告，与21条对照探针比较的秩置换检验为 p = 0.045）。

更强的检验是改写是否改变拓扑，而不只是改变单个区块的得分。把11个祈使区块中的3个改写后，Haiku 上西班牙语的指令拓扑从竞争转向协作，而且这种转变溢出到了未被改写的区块。在论文报告的拓扑图中，目标探针如预期从竞争转向协作，溢出探针也发生转变，对照探针保持稳定。

溢出是论文的核心机制证据。如果语域按区块单独起作用，改写三个区块应当只影响那三条探针。但未被改写的区块也向协作方向移动，作者把这解释为系统层面的义务消解负担：每个祈使句都消耗处理资源，减少数量会让整个提示受益。这一解释属于作者，而不是单独测量出的量。

指令是社会行为而非技术规格

论文把结果框定为两种系统提示观的较量。如果指令只是对输出的形式约束，那么移除“NEVER use TodoWrite”无论用哪种语言表达，都应产生相同的结构效应。数据与此矛盾：同一条指令在英语中不可或缺，在西班牙语中却形同虚设。另一种观点是，模型把指令当作社会行为来处理，祈使语气编码的是权威与受令者之间的关系。

按这种解读，英语中层层叠加的祈使句强化了单一的权威框架；而在祈使语气社会负载更重的语言中，同样的叠加会产生相互冲突的义务信号，仿佛来自多个权威来源。模型不仅要弄清自己被要求做什么，还要弄清是谁在要求，以及这些权威是否一致。陈述式语域完全绕开了这一维度：“Status: available”不诉诸权威，因此也无法争夺权威。

这是对消融与改写结果的解释，而不是对模型内部表征的直接测量。论文的支持是间接但具体的：反转依赖语言，在密度控制下依然存在，并且会随语域改写而变化并产生溢出。英语—法语和英语—普通话的情形被描述为不同的失败模式，即平坦化与部分保留，而不是同一失败的不同程度。

对对齐训练的推论边界

对齐方面的含义被明确表述为可检验的预测，而非已确认的结果。如果语域在推理时调节指令遵循，作者认为它在训练时很可能也如此。宪法式 AI 的原则绝大多数以祈使语气写成（“Be helpful”“Be harmless”“Be honest”），按这一解释，它们是行使权威的社会行为。如果祈使语域在不同语言中承载不同的义务强度，那么用祈使句表述的原则训练出的模型，可能形成依赖语言的对齐，原因不在原则的内容，而在其语域。

论文提出的检验很直接：比较用陈述式表述的宪法原则训练的模型与用祈使式表述的原则训练的模型，测量跨语言对齐的一致性。推理阶段的发现预测，陈述式训练的模型在不同语言间会更一致。Mistral 的异常被作为支持性背景提出：一个以法语为主要训练语言的模型在英语上最差、在普通话上最好，说明训练语言会形成行为特征，并以无法仅凭语言对预测的方式与语域交互。

在提示设计上，论文从自身变量推出三条机械规则：陈述事实而非下达命令；让每条约束自足，使条件链在翻译时不会产生歧义压缩；对领域特定模式优先使用代码示例而非抽象概念。作者称这些是不改变预期行为的机械变换，这属于设计主张，而不是本研究中检验过的结果。

反转在什么范围内成立

适用范围比标题给人的印象更窄。所有结果都来自一份系统提示 Claude Code v2.1.50，因此能否在其他提示上复现尚未检验。翻译由 Gemini Flash 2.0 完成，未经母语者核验，因此翻译痕迹可能解释部分发现。22条探针中有7条用被测模型自身作评判，可能带来系统性偏差。只测试了四个模型，而成对与拓扑实验仅用 Haiku，因此反转能否推广到其他模型仍是开放问题。用户消息始终为英语，系统提示与用户使用同一非英语语言的情形未测试。祈使到陈述的改写由人工完成，也没有用自助法或置换检验直接比较英语与西班牙语的效应分布。

在这些边界之内，论文最站得住的优先项是它实际做的那组比较：在同一份生产提示内，语义相同的指令集在英语和西班牙语中产生了相反的交互拓扑，而一次语域改写把西班牙语推向英语模式，并溢出到未改写的区块。这对维护多语言系统提示的人所提示的判断阈值，不是平均遵循度，而是移除某个区块究竟是有帮助还是有害。如果移除在一种语言中有帮助、在另一种语言中有害，那么这个区块首先应作为陈述式改写的候选，而不是翻译审校的候选。

本文引用的文献