受控领土与冲突跟踪（CONTACT）：基于开源情报的（地理）占领领土映射
计算与语言
2025-04-21 v1 人工智能
机器学习
摘要
开源情报提供了一流无结构文本数据，可用于评估领土控制情况。我们提出了 CONTACT 框架，利用大语言模型（LLM）进行领土控制预测，并仅依赖少量监督信息。我们评估了两种方法：基于嵌入的少样本分类器 SetFit，以及应用于多语言生成式大语言模型 BLOOMZ-560m 的提示调优方法。该模型在覆盖叙利亚和伊拉克地下组织（ISIS）活动的少量手工标注数据集上进行训练，通过提示条件化提取控制相关信号，如军事行动、伤亡情况及地理位置参考。我们表明，基于 BLOOMZ 的模型在准确率上优于 SetFit 基线，提示式监督方法在低资源场景中能提升泛化能力。CONTACT 证明了使用少样本方法微调的大语言模型，能够降低标注负担，支持从开放的开源情报（OSINT）流中进行结构化推断。我们的代码已公开于 https://github.com/PaulKMandal/CONTACT/。
引用
@article{arxiv.2504.13730,
title = {Controlled Territory and Conflict Tracking (CONTACT): (Geo-)Mapping Occupied Territory from Open Source Intelligence},
author = {Paul K. Mandal and Cole Leo and Connor Hurley},
journal= {arXiv preprint arXiv:2504.13730},
year = {2025}
}
备注
7 pages, 1 figure, 1 table