本文研究了大型语言模型（LLM）在网络威胁情报（CTI）运营任务中的可靠性，具体聚焦于“威胁等级判定”这一子任务。随着LLM的快速发展，其在安全运营中被视为潜在的自动化辅助工具，但其实际决策能力尚未得到充分验证。作者首先从公开的MISP OSINT（开放源码情报）数据源中构建了一个经过筛选和标注的评估数据集，该数据集模拟了真实世界中安全分析师需要判断的威胁事件。随后，作者设计了一套定制化的提示词（prompt），在零样本（zero-shot）条件下系统比较了八个不同架构的LLM（未列出具体模型名称）的威胁等级判定表现。实验结果表明，零样本模型整体表现较弱，难以正确分配威胁等级，说明基础LLM缺乏足够的领域知识或推理能力。在此基础上，作者对每个模型进行了有监督微调（supervised fine-tuning），并对比了微调前后的效果。结果显示，微调显著提升了模型性能，F1分数依据基础架构不同介于0.40至0.58之间，但仍未达到实际部署所需的高标准。作者指出，尽管微调带来明显改进，当前性能水平仍不足以支持安全运营中的自动化决策，未来需要在数据质量、模型适配和领域特定调优方面进行更多研究。本研究为评估LLM在CTI分析中的实际边界提供了量化证据，也为后续模型优化方向提供了参考。适合安全分析师、CTI平台开发者和LLM应用研究者阅读。