针对复杂战场环境下大模型(large language models,LLMs)态势预测与决策能力不足的问题,以人脑预演理论为核心出发点,提出一种融合预演机制与反事实反思的大模型作战决策方法。预演驱动的态势预测,结合军事常识、武器参数及态势推演路...针对复杂战场环境下大模型(large language models,LLMs)态势预测与决策能力不足的问题,以人脑预演理论为核心出发点,提出一种融合预演机制与反事实反思的大模型作战决策方法。预演驱动的态势预测,结合军事常识、武器参数及态势推演路径混合全参微调,使大模型基于当前战场态势生成高置信度的未来态势预测结果;反事实反思的决策优化,针对备选决策模拟“未执行该决策”的反事实场景,对比“执行-未执行”的因果差异生成包含“风险-收益”权衡的综合决策。在两栖登陆想定中的仿真实验表明:该方法显著提升大模型的态势预测能力与作战决策水平,通过融合预演理论与反事实反思,有效增强了大模型在复杂战场中的决策效能,为智能指挥决策系统提供了新路径。展开更多
文摘针对复杂战场环境下大模型(large language models,LLMs)态势预测与决策能力不足的问题,以人脑预演理论为核心出发点,提出一种融合预演机制与反事实反思的大模型作战决策方法。预演驱动的态势预测,结合军事常识、武器参数及态势推演路径混合全参微调,使大模型基于当前战场态势生成高置信度的未来态势预测结果;反事实反思的决策优化,针对备选决策模拟“未执行该决策”的反事实场景,对比“执行-未执行”的因果差异生成包含“风险-收益”权衡的综合决策。在两栖登陆想定中的仿真实验表明:该方法显著提升大模型的态势预测能力与作战决策水平,通过融合预演理论与反事实反思,有效增强了大模型在复杂战场中的决策效能,为智能指挥决策系统提供了新路径。
