结构化意图表示能否泛化？5W3H提示的跨语言、跨模型实证研究

结构化意图表示能否跨语言、跨模型泛化？我们研究PPS（Prompt Protocol Specification），一个基于5W3H的人机交互结构化意图表示框架，并沿三个维度扩展此前仅限中文的证据：新增两种语言（英语和日语）、增加第四种条件——用户的简单提示由AI辅助编写界面自动扩展为完整的5W3H规格说明——以及一个关于跨模型输出一致性的新研究问题。在2,160个模型输出（3种语言 x 4种条件 x 3个LLM x 60个任务）中，我们发现AI扩展的5W3H提示（条件D）在目标对齐上与手工编写的5W3H提示（条件C）在所有三种语言中均无统计学显著差异，而用户只需输入一句话。结构化PPS条件通常能减少或重塑跨模型输出方差，但这一效应在不同语言和指标上并不一致；最有力的证据来自识别无约束基线中虚假的低方差。我们还表明，非结构化提示表现出系统性的双重膨胀偏差：人为偏高的综合得分和人为偏低的表观跨模型方差。这些发现表明，结构化5W3H表示能够改善跨语言、跨模型的意图对齐与易用性，尤其是当AI辅助编写降低了非专家用户的门槛时。