人工智能在军事领域的应用已有数十年历史，但随着大型语言模型（LLM）能力激增，这些系统极有可能在现代战争中发挥更大作用。既往研究表明，LLM在兵棋推演模拟中倾向于支持冲突升级，暴露出军事化人工智能潜在的危险逻辑缺陷。基于这些研究，我们测试了不确定性、思维链提示与温度参数如何影响LLM建议采取激进行动的倾向。与先前结论不同，我们发现测试模型普遍优先选择外交手段而非冲突升级。然而，研究同时揭示：时间与情报的不确定性、以及思维链提示机制，往往会导致更具攻击性的行动建议。这些发现表明，特定威胁条件下采用基于LLM的决策支持系统可能更具安全性。