非线性量刑模型及其计算应用

报告人：王 芳 山东大学 数据科学研究院

个人简介：

王芳，教授、博士生导师（法学、数学），现任山东大学数据科学研究院副院长、山东系统与计算法学研究中心执行主任，兼任首届中国计算机学会计算法学专门委员会常委，泰山学者青年专家。主要从事社会治理的复杂性、智能化与法治化研究，创新性地融合复杂性机理、计算 建模与数字法治，形成研究特色，独立出版学术专著 1 部，合著 1 部，发表论文 30 余篇， 包括《管理世界》，National Science Review(IF > 20),《中国科学: 信息科学》等著名学术期刊，主持国家自然科学基金重大项目课题、面上项目，作为骨干参与国家重点研发计划。成果多次获国家领导人高度肯定性批示，部分成果被《新华文摘》主体转载，获山东省社会科学优秀成果一等奖、山东大学重大科研成果奖励等奖励。 

报告摘要：近年来法律人工智能的发展有力地推动了法治系统运行的公正与效率。然而，法律人工智能涉及人身自由与财产等基本权利，关乎法治的权威，计算结果的可靠性和可解释性至关重要。有鉴于此，本研究建立了一种非线性递推估计方法，并将其应用于量刑数据分析。具体而言，以《刑法》和《量刑指导意见》为基础，提出了一种具有可解释性的非线性饱和机理模型。在不需要数据满足独立同分布等统计假设的前提下，建立了两阶段拟牛顿（TSQN）递推算法，实现对参数的一致性估计。此外，为便于处理样本量不同的数据，本研究在有限和无限数据量下分别建立了参数估计的可靠性理论。与传统线性回归模型及神经网络模型相比，基于非线性自适应估计方法的计算结果更符合量刑的基本原则和具体规则，能够准确反映量刑要素的影响及变化，且针对不同罪名的量刑计算展现出更好的预测能力。基于以上结果，我们进一步开展了一系列实证研究，旨在分析具体司法制度（如认罪认罚、正当防卫等）的实施效果。针对判决要素的提取任务，本研究利用大型语言模型（LLM）设计提示工程以辅助知识增强。经检验，即使对于复杂的判断元素，该方法的提取准确率也能达到91%以上，高效准确地实现了对原始法律文本的结构化预处理。