包裹，长文用
/
划分小节。 3. 列表用
- ，引用用
，代码用
，重要句子可用。
4. 保留原文所有信息，不得增删改内容。
5. 不要输出//等文档级标签。
接下来，我仔细阅读原文内容：
"LLM agents take instructions from the operator, repository configuration, user, tool results and saved memory, which often conflict. Instruction-hierarchy benchmarks ask whether the higher-ranked source wins, but a source sets position, role and label at once. First, we build WhoWins, 1,080 code-scored scenarios in five task types, each with up to five mutually exclusive instructions, and seven controlled experiments that vary only how instructions are delivered. Second, we study 14 open-weight models (0.6B to 122B, thinking off and on) over 1,887,356 scored replies, checking main findings on held-out scenarios. Inside one message the first of two conflicting lines wins 72.42 to 94.66%, and across messages it keeps 22.95 to 62.65%. A policy sent first in the system (or developer) message loses most conflicts with later lines in every Qwen model but wins most on gpt-oss when it acts. In tool and file-write tasks it wins less often than the same text sent first as a labelled user message, in every model-mode. Third, we test whether pairs forecast larger conflicts; forecasts improve in every model-mode once they know where the task line is. Finally, by our keyword patterns at most 2.92% of decided pair replies flag or hedge a conflict."
分析原文结构：
这段文字是一个学术论文摘要，描述了"WhoWins"基准测试的研究内容。原文没有明确标注小节标题，但它有清晰的逻辑结构：
1. 开头部分（前两句）描述了研究背景和问题：LLM agents接收来自不同来源的指令，这些指令经常冲突。指令层级基准测试问高排名来源是否获胜，但一个来源同时设置位置、角色和标签。
2. "First, we build WhoWins..." - 描述第一个贡献：构建WhoWins基准，包含1080个代码评分场景，五种任务类型，每个有最多五个互斥指令，以及七个对照实验。
3. "Second, we study 14 open-weight models..." - 描述第二个贡献：研究14个开放权重模型（0.6B到122B，思考关闭和开启），处理1,887,356条评分回复，在保留场景上检查主要发现。
4. "Inside one message..." 到 "...in every model-mode." - 这是具体的研究发现，描述了不同场景下冲突解决的结果。
5. "Third, we test whether pairs forecast larger conflicts..." - 描述第三个贡献：测试对是否预测更大冲突。
6. "Finally, by our keyword patterns..." - 描述最后的结论：通过关键词模式，最多2.92%的决定性配对回复标记或回避冲突。
根据规则2，我需要用/
划分小节。虽然原文没有明确的标题，但我可以根据逻辑结构添加小标题，同时"不得增删改内容"——这意味着我不能改变原文的事实内容，但可以添加结构性标题吗？
让我再读规则："保留原文所有信息，不得增删改内容"。这可能意味着我不能添加原文没有的信息，但标题只是结构性元素，不是内容本身。不过为了安全，我应该谨慎使用标题。
实际上，原文中没有明确的标题，我可以根据"First", "Second", "Third", "Finally"这些标记来组织。但添加标题可能会被视为"增加内容"。让我重新考虑。
规则说"长文用
/
划分小节"，但这段文字本身不算特别长，而且没有明确的小节标题。也许我可以不使用标题，只用段落和强调来组织？
但是，考虑到这是一个研究摘要，有明确的"First", "Second", "Third", "Finally"结构，添加小标题可以帮助组织内容。我可以添加描述性的小标题，如"研究背景"、"方法：WhoWins基准"、"实验结果"等，但这些不是原文内容。
让我重新考虑规则："保留原文所有信息，不得增删改内容"。我认为这里的"内容"指的是事实信息、数据、观点等，而不是结构性元素。添加标题不会改变事实，只是改善可读性。但为了严格遵守，我应该尽量不添加原文没有的词语。
一个折中方案：我可以使用原文中的关键词作为标题。例如，"First", "Second"等本身就是原文中的词，我可以围绕它们构建标题。
或者，我可以不使用标题，只用段落和强调。考虑到原文的结构相对简单，一个段落可能就足够了。
让我再分析原文的段落结构：
- 第一段：背景和问题（前两句）
- 第二段：研究贡献（First, Second, Third, Finally部分）
但原文是一个连续的段落。我需要决定是否拆分。
根据规则"每个自然段落用
包裹"，如果原文是一个自然段落，我就用一个
。但原文有明显的逻辑分段，我可以拆分为多个
。
让我决定：
1. 不添加
，代码用，重要句子可用。 4. 保留原文所有信息，不得增删改内容。 5. 不要输出//等文档级标签。 接下来，我仔细阅读原文内容： "LLM agents take instructions from the operator, repository configuration, user, tool results and saved memory, which often conflict. Instruction-hierarchy benchmarks ask whether the higher-ranked source wins, but a source sets position, role and label at once. First, we build WhoWins, 1,080 code-scored scenarios in five task types, each with up to five mutually exclusive instructions, and seven controlled experiments that vary only how instructions are delivered. Second, we study 14 open-weight models (0.6B to 122B, thinking off and on) over 1,887,356 scored replies, checking main findings on held-out scenarios. Inside one message the first of two conflicting lines wins 72.42 to 94.66%, and across messages it keeps 22.95 to 62.65%. A policy sent first in the system (or developer) message loses most conflicts with later lines in every Qwen model but wins most on gpt-oss when it acts. In tool and file-write tasks it wins less often than the same text sent first as a labelled user message, in every model-mode. Third, we test whether pairs forecast larger conflicts; forecasts improve in every model-mode once they know where the task line is. Finally, by our keyword patterns at most 2.92% of decided pair replies flag or hedge a conflict." 分析原文结构： 这段文字是一个学术论文摘要，描述了"WhoWins"基准测试的研究内容。原文没有明确标注小节标题，但它有清晰的逻辑结构： 1. 开头部分（前两句）描述了研究背景和问题：LLM agents接收来自不同来源的指令，这些指令经常冲突。指令层级基准测试问高排名来源是否获胜，但一个来源同时设置位置、角色和标签。 2. "First, we build WhoWins..." - 描述第一个贡献：构建WhoWins基准，包含1080个代码评分场景，五种任务类型，每个有最多五个互斥指令，以及七个对照实验。 3. "Second, we study 14 open-weight models..." - 描述第二个贡献：研究14个开放权重模型（0.6B到122B，思考关闭和开启），处理1,887,356条评分回复，在保留场景上检查主要发现。 4. "Inside one message..." 到 "...in every model-mode." - 这是具体的研究发现，描述了不同场景下冲突解决的结果。 5. "Third, we test whether pairs forecast larger conflicts..." - 描述第三个贡献：测试对是否预测更大冲突。 6. "Finally, by our keyword patterns..." - 描述最后的结论：通过关键词模式，最多2.92%的决定性配对回复标记或回避冲突。 根据规则2，我需要用/
划分小节。虽然原文没有明确的标题，但我可以根据逻辑结构添加小标题，同时"不得增删改内容"——这意味着我不能改变原文的事实内容，但可以添加结构性标题吗？ 让我再读规则："保留原文所有信息，不得增删改内容"。这可能意味着我不能添加原文没有的信息，但标题只是结构性元素，不是内容本身。不过为了安全，我应该谨慎使用标题。 实际上，原文中没有明确的标题，我可以根据"First", "Second", "Third", "Finally"这些标记来组织。但添加标题可能会被视为"增加内容"。让我重新考虑。 规则说"长文用
/
划分小节"，但这段文字本身不算特别长，而且没有明确的小节标题。也许我可以不使用标题，只用段落和强调来组织？ 但是，考虑到这是一个研究摘要，有明确的"First", "Second", "Third", "Finally"结构，添加小标题可以帮助组织内容。我可以添加描述性的小标题，如"研究背景"、"方法：WhoWins基准"、"实验结果"等，但这些不是原文内容。 让我重新考虑规则："保留原文所有信息，不得增删改内容"。我认为这里的"内容"指的是事实信息、数据、观点等，而不是结构性元素。添加标题不会改变事实，只是改善可读性。但为了严格遵守，我应该尽量不添加原文没有的词语。 一个折中方案：我可以使用原文中的关键词作为标题。例如，"First", "Second"等本身就是原文中的词，我可以围绕它们构建标题。 或者，我可以不使用标题，只用段落和强调。考虑到原文的结构相对简单，一个段落可能就足够了。 让我再分析原文的段落结构： - 第一段：背景和问题（前两句） - 第二段：研究贡献（First, Second, Third, Finally部分） 但原文是一个连续的段落。我需要决定是否拆分。 根据规则"每个自然段落用
包裹"，如果原文是一个自然段落，我就用一个
。但原文有明显的逻辑分段，我可以拆分为多个
。 让我决定： 1. 不添加
/
，因为原文没有明确的标题，且添加标题可能被视为"增加内容"。 2. 将原文拆分为几个自然段落，每个用
包裹。 3. 对关键数据和发现使用强调。 4. 不使用列表、引用或代码，因为原文没有这些元素。 等等，规则说"长文用