Проект развивали под началом Чэндуйского института авиационного проектирования и Северо-Западного политехнического университета. Эти учреждения известны своими передовыми разработками в области обороны, включая участие Чэндуйского института в создании китайского тяжелого стелс-истребителя J-20. Ранее ИИ-системы использовали лишь в командных центрах для аналитики и поддержки командиров, но не для прямого участия в боевых действиях.

Для обучения БЯМ применили обширные и специализированные данные: учебники по радиолокации и радиоэлектронной борьбе, руководства по применению электронного оружия и боевые журналы. Обучение также проводилось на основе оперативных материалов и стратегических руководств, и шло преимущественно на китайском языке. Благодаря этому модель обладает высокой степенью адаптации к типичным условиям и вызовам, с которыми сталкиваются китайские военные БПЛА.

Одной из ключевых задач в радиоэлектронной борьбе является умение быстро адаптировать стратегию: БПЛА пытается подавить радарные сигналы противника с помощью специфических электромагнитных волн, в то время как защитные системы стараются менять сигналы, вынуждая атакующую систему оперативно менять подход. Большие языковые модели, такие как Gemini, раньше считались неподходящими для задач реального времени из-за длительного времени анализа данных и недостаточной реакции на уровне миллисекунд.

Чтобы решить эту проблему, ученые применили комбинацию методов: предварительный сбор и анализ данных сенсоров производится с помощью модели обучения с подкреплением, которая затем передает «вектор параметров наблюдения» БЯМ для принятия решения.

Это позволяет обходить ограничения по скорости, обеспечивая модель быстрыми данными. БЯМ может мгновенно генерировать команды для управления системой подавления.

Тестирование показало, что эта гибридная система позволяет ИИ подстраиваться под динамичные условия в реальном времени. Например, система способна корректировать стратегию до 10 раз в секунду, создавая ложные цели на экранах вражеских радаров, что затрудняет обнаружение реальных объектов. Эта стратегия, включающая «цепочку рассуждений», позволяет ИИ разбивать сложные задачи на логические этапы, обеспечивая быстрые и эффективные решения, которые зачастую превосходят методы простого подавления сигнала шумом.

Тем не менее, разработка сталкивается с рядом технических ограничений. В текущей версии система не поддерживает обработку 3D-данных с лидаров и радаров, поскольку это требует значительных вычислительных ресурсов. Кроме того, пока модель обрабатывает только ограниченное количество кадров изображений, что сдерживает её применение на практике.

«Они все еще решают множество практических вопросов, включая ограничения по аппаратному обеспечению, объем модели и риски безопасности», — отметил анонимный ученый из Пекина. «Тем не менее, становится ясно, что концепция „слова могут убивать“ превращается из философской идеи в реальность», — добавил он.