文章提出利用大语言模型（GPT-3.5）自动化分析社交媒体信息作战活动的方法。通过标注126个历史信息作战活动数据集，验证了LLM在识别政治目标、责任国家等特征方面与人工标注的高度一致性。创新性地构建关注点检测框架（基于指令微调的Llama-2模型），应用于2022年法国大选和2023年美菲军演数据集，从协调账户中提取叙事框架、战术策略等高级特征。实验表明：LLM能有效识别亲乌克兰信息战中的补救措施口号（如#CloseTheSky）和商业推广活动的参与策略，为大规模信息作战分析提供新范式。
社交媒体信息作战通过协调账户传播政治操纵、仇恨言论和虚假信息，破坏民主进程和社会稳定。传统分析方法依赖人工标注，难以应对海量数据。文章提出核心问题：大语言模型能否自动化识别信息作战的目标、策略和叙事框架？ 现有研究局限在于：
构建两个多语言Twitter数据集：
采用标签共现网络法检测协调账户：账户间共享≥3个相同顺序标签即判定协调。形成连接组件作为独立信息战活动，法国数据集发现2.9万协调账户（占总量11.6%）。
关注点指引发社会对立的议题（如移民、能源政策）。创新解决方案：
模型在法国数据集表现优异：俄罗斯议题F1=0.846，难民议题F1=0.61（受低频数据限制）。
采用GPT-3.5零样本提示分析协调活动：
| 分析框架 | 标注内容 | 应用案例 |
|---|---|---|
| 信息作战特征 | 目标国家、责任国家、政治目标分类 | 识别亲乌克兰活动中俄罗斯的责任归属 |
| BEND战术模型 | 参与(Engage)/解释(Explain)/兴奋(Excite)/转移(Distract)等8类战术 | 商业推广活动中的"立即购票"兴奋策略 |
| 叙事框架理论 | 问题定义、归因分析、补救措施、口号隐喻 | #CloseTheSky作为乌克兰危机的补救口号 |
在126个已知信息作战活动上测试：
法国大选中的亲乌克兰活动：
美菲军演中的商业推广活动：
未来可通过思维链提示、领域专家验证和Llama-3等开源模型优化框架。
文章证明大语言模型能有效提取信息作战高阶特征：
尽管存在幻觉风险，LLM仍将重塑信息作战分析范式，使研究者从数据标注转向策略研判。