2026年2月13日，《华尔街日报》报道称，五角大楼在“绝对决心”行动中使用了Anthropic的克劳德人工智能系统，这证实了本框架分析的核心发现。原始框架和案例研究（第三至五节）按原文发表，保留了预测性分析。第六、七和九节已更新，以反映此后续确认。据作者所知，这代表了用于检测机密军事行动中人工智能特征的系统性方法的首次实证验证。

人工智能的最新进展引发了关于算法集成到军事行动中的猜测，然而学术界缺乏识别现实案例中人工智能特征的系统性框架。本文开发了一个包含九个指标、分三个分析层级的框架，用于检测可能的人工智能参与，并将其应用于“绝对决心”行动（即2026年1月美国抓捕委内瑞拉总统尼古拉斯·马杜罗的行动）。该框架借鉴了北约认知战条令和网络安全研究，使用结构化评分准则来考察行动特征。分析揭示了与情报融合和任务规划中算法辅助相一致的规律，尽管分类壁垒和合理的非算法解释阻碍了明确的归因。本文贡献了首个可用于检测可能人工智能集成的可复制方法，并指出了对军备控制核查、国际人道法和战略稳定的影响。在此分析之后，《华尔街日报》于2026年2月13日证实，五角大楼在行动期间使用了Anthropic的克劳德人工智能，从经验上验证了该框架的检测能力。

本文做出了三点贡献。首先，提供了一个基于可观察特征的、用于检测机密行动中人工智能特征的公共系统性框架，并使用结构化评分准则来提高可重复性。其次，它通过识别技术增强决策“超越当前基线”的可测量指标，将北约的认知战学说操作化。第三，它展示了该框架在当代案例中的应用，揭示了其分析效用和固有的局限性。

分析分为五个部分展开。第二节回顾了关于军事行动中人工智能的文献，明确了本研究的贡献。第三节阐述了理论框架，详述了分属三个分析层级的九个指标及其明确的评分标准。第四节描述了方法论和来源选择。第五节使用评分准则，系统地将该框架应用于“绝对决心”行动。第六节通过证伪检验探讨了竞争性假设。第七节讨论了局限性。第八节指出了具体的政策影响。第九节总结了未来研究方向。附录A提供了操作性评分准则。

Ruzic, Branko, Detecting Algorithmic Warfare: A Framework for Identifying Artificial Intelligence Signatures in Military Operations (January 17, 2026). Available at SSRN: https://ssrn.com/abstract=6257218 or http://dx.doi.org/10.2139/ssrn.6257218