针对军事目标体系价值评估中非结构化文本解析效能不足与战场动态适应性薄弱两大挑战,本研究提出基于大语言模型(Large Language Model,LLM)的自主择优评估框架(Large Language Model-Based Autonomous Evaluation Optimizer,LLM-AEO)。该框架通过大语言模型的自然语言处理与上下文学习能力,构建包含知识库动态更新、评估方法智能匹配、目标清单自动生成的三阶段架构。通过实时更新的战场知识库确保态势感知的时效性,结合检索增强生成(Retrieval-Augmented Generation,RAG)技术实现上下文信息精准提取,从而驱动评估策略的自主优化。实验表明,LLM-AEO能够有效分析目标体系特征,自适应选择评估方法并生成可靠决策建议。