命令的介入：ソーシャルレジスターが大規模言語モデルにおける指示トポロジーを形作る

要旨: 英語で協調的に機能するシステムプロンプト指示は、同じ意味内容を持ちつつも、スペイン語では競合する形で振る舞い、相互作用のトポロジーが反転します。私たちは4つの言語と4つのモデルにわたって、指示レベルのアブレーション実験を提示し、このトポロジー反転がソーシャルレジスター（社会的レジスター）によって媒介されることを示します。命令形は、言語共同体ごとに異なる強制力を帯び、また多言語データで学習されたモデルはこれらの慣習を学習しているのです。単一の命令ブロックを宣言文として書き換えると、言語間のばらつきが81%減少します（p = 0.029、パーミュテーション検定）。11個の命令ブロックのうち3つを書き換えると、スペイン語における命令トポロジーが競合的なものから協調的なものへと変化し、書き換えないブロックにも波及効果が生じます。これらの結果は、モデルが指示を技術的仕様としてではなく、社会的行為として処理していることを示唆します。「決してXをしない」は権威の行使の訓練であり、その強制力は言語に依存します。一方で「X: 無効」は事実記述であり、言語を越えて移植されます。推論時にレジスターが指示遵守を媒介するなら、それは学習中にも同様に媒介している可能性があります。私たちはこれを検証可能な予測として述べます。命令形で著された憲法的AIの原則は、言語依存のアラインメントを生みうる。コーパス: 生成システムプロンプトを56ブロックに分解したうえで、それに対して手で作成した22個のプローブ。