《兵棋推演与大型语言模型： 方法、应用和稳健性》

传统的人工智能（AI）为兵棋推演做出了战略性的贡献，但在动态复杂的环境中和适应不可预见的发展时往往会遇到困难。相比之下，大型语言模型（LLM）可提供先进的自然语言处理、分析能力和直观的决策交流。大型语言模型擅长快速分析大量文本数据、识别模式并为战略规划提供见解，从而满足兵棋推演中对预测性战略和创造性解决方案开发的关键需求。然而，在这种情况下部署大型语言模型会带来潜在的鲁棒性挑战，特别是容易受到对抗性提示的影响。我们的实验研究揭示了大型语言模型易受误导或敌意输入的影响，强调了在战略应用中实施稳健性措施以保障其操作完整性和可靠性的必要性。通过在商业兵棋推演中进行有针对性的实验，我们的开创性研究证明了大型语言模型的可行性和潜力，可显著改善代表性场景中的结果。这项工作不仅证明了大型语言模型对兵棋推演决策的重大影响，还为未来研究和在高级决策支持系统中实际应用大型语言模型奠定了基础。

图 1 大型语言模型收集人类玩家勾勒的场景目标以及这些场景中产生的信息。大型语言模型利用其广泛而宽泛的知识库进行深入分析，为兵棋推演中的玩家提供更合理、更可解释的行动建议。

据所知，这是首个在兵棋推演领域实施大型语言模型的团队，具体贡献概述如下：

• 介绍了一种利用大型语言模型支持兵棋推演决策过程的新方法。

• 将源自兵棋推演的战略框架--OODA（观察、定位、决策、行动）循环概念融入大型语言模型的应用中。

• 选择了一个具有代表性的场景，使用大型语言模型进行决策支持实验，评估其在对抗性提示下的稳健性。