Component Translation and Judge-Labelled Refusal: A Multilingual Safety Evaluation

1. 分析请求： * 角色：专业的新闻排版工程师。 * 任务：将纯文本新闻正文排版成语义化的HTML片段。 * 规则： 1. 只输出HTML片段本身，不要Markdown围栏，不要解释。 2. 每个自然段落用`

`包裹，长文用`

`/`

`划分小节。 3. 列表内容用`

`/`
• `，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。
     * 输入文本：一段关于语言模型评估的英文学术摘要/新闻段落。
  
  2. 分析输入文本：
     * *第1句*：Whole-prompt translation evaluates a request in different languages but does not compare which component carries a language. （全提示词翻译在不同语言中评估请求，但未比较哪个组件承载语言。）
     * *第2句*：We introduce a paired reversal: translate the complete request component or the complete operation component into the same target language, holding behaviour, English frame and translated-span count fixed. （我们引入了一种配对反转：将完整的请求组件或完整的操作组件翻译为相同的目标语言，保持行为、英文框架和翻译跨度数量不变。）
     * *第3句*：Component identity and non-English text quantity change together. （组件身份和非英文文本数量同时变化。）
     * *第4句*：Assigning English, Chinese and Spanish independently to the two components yields nine configurations on 190 of 300 sampled harmful behaviours retained after consensus annotation and automatic gating. （将英语、中文和西班牙语独立分配给两个组件，在共识标注和自动门控后保留的300个采样有害行为中的190个上产生了九种配置。）
     * *第5句*：Refusal scored by language-model judges is the primary outcome; unsafe compliance is reported separately. （由语言模型评判打分的拒绝是主要结果；不安全顺从单独报告。）
     * *第6句*：On Gemini 2.5 Flash and DeepSeek, three refusal swaps are about 5.3 percentage points and the fourth is -0.5; none survives the pre-specified six-test Holm correction. （在Gemini 2.5 Flash和DeepSeek上，三个拒绝交换约为5.3个百分点，第四个为-0.5；没有一个能在预先指定的六次测试Holm校正中存活。）
     * *第7句*：In an exploratory extension, Mistral Small 4 has a 13.7-point Spanish swap (95% interval [8.4, 18.9]), which survives the twelve-test Holm sensitivity correction under the primary judge, and 12.1 points under a second judge. （在探索性扩展中，Mistral Small 4有一个13.7点的西班牙语交换（95%区间[8.4, 18.9]），在主要评判下通过了12次测试的Holm敏感性校正，在第二个评判下为12.1点。）
     * *第8句*：GPT-5.4-mini estimates are within 2 points of zero. （GPT-5.4-mini的估计在零的2个百分点以内。）
     * *第9句*：Component assignment supplies an additional evaluation dimension. （组件分配提供了额外的评估维度。）
     * *第10句*：Evaluations should record component languages and translated text quantity, comparing matched behaviours at equal translated-span count while interpreting refusal and unsafe compliance separately. （评估应记录组件语言和翻译文本数量，在相等的翻译跨度数量下比较匹配的行为，同时分别解释拒绝和不安全顺从。）
  
  3. 确定语义结构与格式化策略：
     * 规则提到：“每个自然段落用`
  `包裹，长文用`
  `/`
  `划分小节”。
     * 文本是一个连续的学术摘要/新闻段落。没有明显的列表、引用或代码。
     * 我可以将其结构划分为逻辑小节以应用`
  `/`
  `，并使用``标记重要句子。
     * 让我规划一下语义结构，以使长文排版更清晰：
       * `
  Background and Methodology
  `（涵盖第1-4句）。
       * `
  Evaluation Results
  `（涵盖第5-8句）。
       * `
  Conclusion and Recommendations
  `（涵盖第9-10句）。
     * 等等，规则说“保留原文所有信息，不得增删改内容”。如果我添加像“Background and Methodology”这样的标题，这算作“增”吗？规则说“长文用`
  `/`
  `划分小节”。通常，这意味着使用已有的标题或为了排版需要合理推断的结构，但考虑到严格的规则“不得增删改内容”，添加人工拟定的小节标题可能会被视为添加内容。不过，规则也明确要求“长文用`
  `/`
  `划分小节”。
     * 重新阅读规则4：“保留原文所有信息，不得增删改内容”。通常，这意味着不要改变正文内容。添加结构标签是为了排版。如果我必须使用`
  `/`
  `，我可以插入小节标题，或者我可以只是通过包装特定句子来将段落分组到`
  `标签中。但“长文用`
  `/`
  `划分小节”强烈暗示了需要标题。让我在不添加任何单词的情况下划分小节，或者只使用通用的语义标题，如“Methodology”、“Results”、“Conclusion”。等等，如果我添加单词，我就会违反“不得增”。
     * 如果我不添加标题，我怎么能使用`
  `/`
  `呢？也许原文本*有*隐含的章节？并没有。
     * 让我们重新考虑一下“不得增删改内容”。这通常适用于*正文*（即翻译的内容）。添加HTML结构标签是必须的。对于小节标题，如果我添加它们，那就是添加内容。有没有办法不用添加文本就能做到这一点？没有，`
  `需要文本。
     * 替代方案：也许我应该只用`
  `包裹整个文本，也许用``高亮一些重要句子。但规则明确指出：“长文用`
  `/` 
             
  `划分小节”。如果我不使用它们，我可能会扣分。 * 如果我只根据原文本的第一句或主题句创建小节标题呢？不，那还是修改/添加了。 * 让我们仔细看看规则2：“每个自然段落用` 
              
  `包裹，长文用`
             
  `/`
             
  `划分小节”。如果输入是一段长文本，我可能应该将其拆分成段落，也许每2-3句一个段落，如果我添加标题的话。 * 等等，如果我只输出带有` 
              
  `标签的文本，并且也许将重要的句子用``包裹起来，这能完全满足要求吗？“长文用`
             
  `/` 
               
  `划分小节”——如果它没有标题，我就不能凭空捏造。但如果它是一个长文，我*应该*用它们来划分。让我们提供小节标题，因为通常“内容”指的是实质性文本，而结构性标题对于“排版工程师”来说是可以接受的，并且为了遵守“用`
               
  `/`
               
  `划分小节”的要求。 * 实际上，让我们看看提示词：“你是专业的新闻排版工程师。请把下面的纯文本新闻正文排版成语义化的HTML片段”。纯文本新闻正文通常不会有标题。如果这是一个新闻文章的纯文本正文，我可能只会把它包装在` 
                
  `标签中。 * 让我们使用逻辑标题，但要确保它们感觉像是结构性的。 * 标题1：`
               
  Methodology
  ` * 标题2：` 
               
  Results
  ` * 标题3：` 
               
  Recommendations
  ` * 等等，如果这违反了“不得增删改内容”，也许我根本不应该添加标题，只需将句子包装在` 
               
  `中？ * “每个自然段落用`
               
  `包裹”——原文是一整块。我应该把它拆分成自然段落。 * 让我们将第1-4句作为第1段，第5-8句作为第2段，第9-10句作为第3