在第一阶段和第二阶段的报告中所述：

美海军部长根据海军作战部长的建议，以直接支持国防部指导与政策的方式，审慎地将海军作战部队单位分散部署至各地点。当前战略布局与分散流程是手动、劳动密集型流程，不易评估相互竞争的可替代方案。先进的人工智能/机器学习工具有可能实现当前战略布局与分散流程许多组成部分的数字化、标准化和自动化。研究问题如下：

• 海军如何在作战司令部之间权衡对海军部队的竞争性需求，以确定作战部队的最佳分散方案？

• 海军如何优化部队布局，以最大化部队发展和部队生成效率？

• 新的AI/ML工具（例如大语言模型）如何帮助实现战略布局与分散决策自动化和数据收集？

• 如何开发一个概念验证电子模型，以帮助决策者将战略布局与分散流程标准化？

• 如何能更容易地从风险和成本角度进行战略布局与分散想定开发和想定比较？

在此持续的第三阶段项目中，美海军研究生院团队在秘密环境中继续开发并设计了一个集成了数据库与人工智能/机器学习工具的研究原型，或称为在线秘密级研究原型。该在线秘密级研究原型不仅可以持续用作积累和分析历史战略布局与分散人工决策数据、文档和知识的平台与知识库，还能自动化未来战略布局与分散决策周期的某些部分，即与调动、留驻母港相关的优化决策。具体而言，成果包括：

• 在海军研究生院保密网环境中实现在线秘密级研究原型

• 实现了一个人工智能检索增强生成管道，该管道将结构化数据建议与非结构化数据的大语言模型解释与论证相结合

• 准备实现在线秘密级研究原型知识库与平台的实时应用，能够接收实时的战略布局与分散结构化和非结构化数据，以供进一步的用户参与和应用

图1展示了在线秘密级研究原型，它集成了如词法链接分析知识图谱和人工智能检索增强生成管道等人工智能/机器学习模型，用于融合结构化和非结构化数据以为战略布局与分散提供建议和论证。

图1. 一个在线秘密级研究原型在保密网中集成了一个通过词法链接分析知识图谱实现的框架和一个人工智能检索增强生成管道，能够流式传输秘密级战略布局与分散实时数据，从而为战略布局与分散决策流程创建集成的、更全面的解决方案。所谓的检索增强生成管道被用来利用大语言模型产生连贯且易于理解的响应，以论证基于查询得出的建议或决策。