战争游戏在军事战略发展和国家对威胁或攻击的反应中有着悠久的历史。人工智能的出现在决策制定和军事效力提升方面承诺着更好的结果。然而，关于人工智能系统，特别是大型语言模型与人类的行为差异仍存在争议。为此，我们使用了一个涉及 107 位国家安全专家人类参与者的战争游戏实验，旨在研究虚构的中美危机升级情景中的人类参与者与模拟大型语言模型回应之间的比较。我们发现，模拟大型语言模型与人类回应之间存在显著的定量和定性差异，这提醒决策制定者在授权自主权或遵循基于人工智能的策略建议之前要谨慎。

Mar, 2024

本文评估了 GPT-3 在生成极端主义文本方面的潜在滥用可能性，表明其在生成极端主义文本方面比之前的 GPT-2 取得了显着进展，并呼吁 AI 利益相关者、决策制定机构和政府采取措施来避免大规模的在线激进化和招募风险，并建立社会规范、公共政策和教育计划，以预防机器生成的谣言和宣传。

Sep, 2020

本文对语言生成模型潜在威胁与社会危害进行了调查研究，提供了探查与缓解风险和伤害的实用方法，旨在为大型语言模型研究人员和从业者提供实用指南。

Oct, 2022

利用新闻媒体进行数据分析，我们形成了一个包含十个类别的人工智能影响分类法，并通过评估模型发现，细调的模型与新闻媒体所识别的负面影响分类几乎一致，而指令型模型则在某些类别的影响生成上存在差距。这项研究凸显了当用于预测影响时，最先进的 LLMs 存在潜在偏见，并展示了将较小的 LLMs 与新闻媒体所反映的多样化影响进行调整以更好地反映这些影响的优势。

Jan, 2024

这篇论文将较大的语言模型应用于智能决策领域，构建了一个以大语言模型为核心的代理体系结构，并通过自然语言的交互发布和执行决策命令，进一步进行仿真验证。通过游戏对抗模拟实验，发现大语言模型的智能决策能力明显优于常用的强化学习人工智能和规则人工智能，并且智能、可理解性和泛化性都更好。通过实验还发现，大语言模型的智能与提示密切相关。这项工作将大语言模型从人机交互扩展到智能决策领域，对智能决策的发展具有重要的参考价值和意义。

Dec, 2023

通过大语言模型，我们引入了 “Snow Globe”，一个为玩质性战争游戏提供支持的多智能体系统，可以自动化进行从情景准备到游戏分析的各个阶段，以实现定量战争游戏自动化的潜力。

Apr, 2024

大型语言模型对宣传者在内容生成成本方面提供可观的节省，并在影响操作中具有潜在的减少成本的能力。

Aug, 2023

使用可评分的协商游戏作为新的评估框架，系统化的零样本链式思考提示能够展示大型语言模型在协商中的能力和绩效差距。

Sep, 2023

通过使用人工智能和大型语言模型，在历史的国际冲突中，包括第一次世界大战（WWI）、第二次世界大战（WWII）和中国的战国时期（WSP），我们提出了一种名为 WarAgent 的多智能体人工智能系统，模拟参与国家、它们的决策以及结果。通过评估模拟的效果，我们研究了先进人工智能系统在研究复杂的集体人类行为（如国际冲突）方面的进展和限制。我们的研究结果提供了以数据驱动和人工智能增强的洞察力，重新定义我们解决冲突和维持和平策略的方法。这些发现的意义超出了历史分析，为使用人工智能理解人类历史并可能预防未来的国际冲突提供了蓝图。

Nov, 2023

通过协商游戏来共同评估语言模型的性能和对齐情况，发现开源模型目前无法完成这些任务，合作协商游戏具有挑战性，最强大的模型并非总是 “赢家”。

Jan, 2024