美海军以审慎的方式将海军作战力量单位分散部署至各地点，以直接支持美国国防部（DoD）的指导方针与政策。当前战略部署与分散（SLD）流程是手动的、劳动密集型过程，且不易评估相互竞争的替代方案。本项目研究先进的人工智能/机器学习（AI/ML）工具，以对当前SLD流程的诸多组成部分进行数字化、标准化和自动化。挑战在于当前SLD决策过程中存在多样化的涉密结构化数据库和非结构化的人类知识。在此持续性项目中，海军研究生院（NPS）团队在集成数据库、AI/ML工具和SIPRnet的基础上，继续开发并设计了一个秘密级最小可行产品（SMVP）。取得的成果包括：利用大语言模型（LLM）改进了AI检索增强生成（RAG）流水线，应用了反事实知识图谱（CKG），以及采用了基于句子级或词元级嵌入、谱范数、连贯性和语义熵的无监督蕴涵方法。最终产生的SMVP作为一个平台和知识库，用于积累和分析历史的SLD人类决策数据、文档和知识，同时为SLD决策提供解释与依据，并为未来的SLD决策提供建议。

关键词：战略部署与分散，SLD，大语言模型，LLM，力量生成，力量发展，电子模型，标准化，词汇链分析，LLA，检索增强生成，RAG，反事实知识图谱，CKG，无监督机器学习，连贯性，蕴涵，谱范数，秘密级最小可行产品，SMVP，语义熵