本研究探讨大型语言模型（LLMs）在预测暴力冲突方面的能力，发现其预训练权重中包含有意义的参数性知识。通过结合外部信息，模型在冲突趋势和死亡人数预测上显著提升，强调了整合外部知识的重要性。

本研究提出了新的CEHA数据集，填补了东非地区暴力冲突细粒度事件的空白，丰富了冲突风险分类，并支持低资源环境中的模型评估。