ARBITRA
一种面向网络安全威胁情报的文档级ATT&CK抽取框架，通过多角色专家LLM提议候选实体，并借助定量双极论证框架（QBAF）逐候选验证，兼顾文档级上下文利用与高精确率抽取。
时间轴 (近 90 天)
ARBITRA是一种通过多专家论证实现鲁棒文档级ATT&CK抽取的新框架。
ARBITRA的工作流程分为两个阶段：提议与验证。
ARBITRA在提议阶段让多个角色专精的LLM专家各自从完整报告中识别可能的ATT&CK实体，形成候选集合。
ARBITRA在验证阶段采用定量双极论证框架（QBAF），对每个候选实体基于文档证据和推理依据进行支持与反对证据的量化权衡。
在ATT&CK抽取基准测试中，ARBITRA达到了比句子级流水线、近期基于LLM的抽取系统以及包括GPT-5.5在内的前沿模型更强的精确率导向工作点。
在模拟冲突TTP陈述、跨报告污染和语义中毒的对抗性扰动下，ARBITRA将平均精确率退化限制在前沿模型基线的大约一半。
ARBITRA的多专家论证思路为其他结构化信息抽取任务提供了参考，当单一模型难以兼顾上下文完整性与抽取精度时，引入多角色协作与形式化论证验证可能是一条有效路径。
全部知识事实 (7)
ARBITRA是一种通过多专家论证实现鲁棒文档级ATT&CK抽取的新框架。
50%待验证ARBITRA的工作流程分为两个阶段：提议与验证。
50%待验证ARBITRA在提议阶段让多个角色专精的LLM专家各自从完整报告中识别可能的ATT&CK实体，形成候选集合。
50%待验证ARBITRA在验证阶段采用定量双极论证框架（QBAF），对每个候选实体基于文档证据和推理依据进行支持与反对证据的量化权衡。
50%待验证在ATT&CK抽取基准测试中，ARBITRA达到了比句子级流水线、近期基于LLM的抽取系统以及包括GPT-5.5在内的前沿模型更强的精确率导向工作点。
50%待验证在模拟冲突TTP陈述、跨报告污染和语义中毒的对抗性扰动下，ARBITRA将平均精确率退化限制在前沿模型基线的大约一半。
50%待验证ARBITRA的多专家论证思路为其他结构化信息抽取任务提供了参考，当单一模型难以兼顾上下文完整性与抽取精度时，引入多角色协作与形式化论证验证可能是一条有效路径。
50%