大语言模型是否了解冲突？探究 LLM 在冲突预测中的参数化与非参数化知识
计算与语言
2025-05-16 v1 人工智能
摘要
大语言模型 (LLM) 在自然语言任务上展现了令人瞩目的表现，但其预测暴力冲突的能力仍未被充分探索。我们研究了 LLM 是否具备有意义的参数化知识——编码在其预训练权重中——能够在没有外部数据的情况下预测冲突升级和伤亡。这对早期预警系统、人道主义规划和政策制定至关重要。我们将这种参数化知识与非参数化能力进行对比，在后者中 LLM 通过检索增强生成 (RAG) 从冲突数据集（例如 ACLED、GDELT）和近期新闻报道中访问结构化和非结构化上下文。纳入外部信息可以通过提供预训练权重中否则缺失的最新上下文来提升模型性能。我们的两部分评估框架涵盖 2020–2024 年，覆盖非洲之角和中东的冲突多发地区。在参数化设置中，LLM 仅依赖预训练知识预测冲突趋势和伤亡。在非参数化设置中，模型接收近期冲突事件、指标和地缘政治发展的摘要。我们将预测的冲突趋势标签（例如 升级、稳定冲突、降级、和平）和伤亡与历史数据进行对比。我们的发现突出了 LLM 在冲突预测中的优势与局限，以及用结构化外部知识增强它们的好处。
引用
@article{arxiv.2505.09852,
title = {Do Large Language Models Know Conflict? Investigating Parametric vs. Non-Parametric Knowledge of LLMs for Conflict Forecasting},
author = {Apollinaire Poli Nemkova and Sarath Chandra Lingareddy and Sagnik Ray Choudhury and Mark V. Albert},
journal= {arXiv preprint arXiv:2505.09852},
year = {2025}
}