大语言模型（LLM）正从通用工具向国防工作流渗透，为情报分析、作战规划、后勤保障、网络行动及信息活动提供支持。然而，美国尚缺乏清晰、可执行的规范，以明确在后果重大的军事场景中何时可使用LLM输出、部署前需进行何种测试与监控，以及当LLM辅助决策导致损害或局势升级时如何界定责任。当前LLM处于治理缺口之中，可能引发三类风险：（一）在不确定性环境下因过度自信或脆弱建议加剧冲突升级；（二）降低信息战与虚假信息活动的成本与规模；（三）扩大对抗性操纵的攻击面，包括数据投毒与敏感数据泄露。

本备忘录提出一个以四大支柱为核心的美国军事LLM问责监管框架：

• 人类决策权与升级管控：要求对特定作战决策留存人类授权记录，并对任何用于战略或危机敏感场景的LLM建立升级监控机制。
• 信息作战内容的人类审批：强制要求对拟用于信息战或影响力活动的AI生成内容进行人工审核与批准。
• 安全性、数据保护与对抗性测试：设定安全训练与部署管道、受控数据处理及针对模型与数据中心攻击的持续红队测试基线要求。
• 问责与可追溯机制：强制要求为作战场景中使用的LLM输出建立审计追踪，明确人类决策者责任归属，并制定正式的事件报告与审查程序。
• 适用范围：涵盖情报综合、规划支持、后勤保障、网络支援、信息作战内容起草、翻译、摘要生成及相关职能。

通过将负责任AI原则转化为可操作执行的保障措施，美国可降低不必要的升级与安全故障风险，强化对军事AI的文官监督，并为防御场景中LLM的负责任使用塑造可信国际规范。