在當今快速變化的戰場環境中，軍事行動的成功在很大程度上依賴于能夠迅速制定和調整作戰行動序列（COAs，Courses of Action）。傳統上，作戰行動序列的開發是一個復雜且耗時的過程，涉及到廣泛的戰略規劃、情報分析和多方協調。隨著技術的進步，特別是人工智能和大數據分析的發展，如何利用這些先進技術來加速作戰行動序列的生成和優化，成為了軍事研究和實踐中的一個重要議題。有效的作戰行動序列不僅需要符合軍事理論和戰略目標，還要能夠快速適應戰場上不斷變化的條件和突發事件。此外，隨著現代戰爭形態的演變，如信息戰、網絡戰等新型戰爭方式的出現，對作戰行動序列的要求也在不斷提高，包括對復雜數據的處理能力和跨領域知識的整合能力。
近期美國EDVCOM陸軍研究實驗室的研究人員提出了COA-GPT框架，通過上下文學習將軍事理論和領域專業知識整合到大模型中，允許指揮官輸入任務信息（包括文本和圖像格式），并接收與戰略對齊的作戰行動序列以供審查和批準。獨特之處在于，COA-GPT不僅加速了作戰行動序列的開發，能夠在幾秒鐘內產生初步作戰行動序列，而且還支持基于指揮官反饋的實時細化。該工作在《星際爭霸2》游戲的軍事相關場景中評估了COA-GPT的性能，并與最先進的強化學習算法進行了比較。結果表明，COA-GPT在更快地生成戰略上合理的作戰行動序列方面表現出色，并且具有高適應性和對齊指揮官意圖的等附加優勢。
在現代軍事作戰和規劃中，迅速制定并調整作戰行動序列對于把握戰場機遇和應對多變挑戰至關重要。通過結合軍事理論和實戰經驗，COA-GPT能夠理解復雜的任務要求，并生成與之相匹配的作戰行動序列。此外，該算法支持對生成作戰行動序列進行實時調整，確保方案能夠快速適應戰場環境的變化和指揮官的即時反饋。COA-GPT的開發，標志著利用人工智能技術特別是大語言模型技術，在軍事決策和規劃中應用的一個重要進步。
