倡導對法律人的人文關懷，促進法律人的新知新方法。
電子數據，人工智能，信息化，大數據，區塊鏈，技術偵查，網絡安全，個人信息權利；法醫、物證、生化、DNA等鑑定科學；認知學、經濟學、統計學、管理學、偵查學等對刑事程序的分析；公檢法內部管理；證據法、程序法新進展；複雜經濟案件、新型案件、憲法案件；偶爾涉及其他。
（感謝張法官題字）
合規與實證是量刑精準的良藥
1
治療量刑“痛點”的方法
2020年4月10日晚，周光權教授在“部落學院”做題為“量刑何以更精準”的在線講座時，開門見山地指出我國當下量刑“痛點”：一是，量刑從來就複雜，但一直被低估；很多人覺得只要有一點實務經驗就可以了，但其實這種感覺未必可靠。二是，量刑不是估堆，更不是摸六合彩；實踐中量刑辯護在一定程度上是“碰運氣”。三是，在認罪認罰程序一路高歌猛進的過程中，更應對量刑的複雜性保持警醒。繼而，周光權教授主要分析了四個方面的問題：一是量刑問題有多重要；二是量刑不當有多嚴重；三是量刑精準化有多複雜；四是量刑的共性問題有哪些。
小包公對周光權教授提出的量刑“痛點”，深以為然；此“痛”痛在量刑不精準，痛在對罪責刑相均衡、刑法面前人人平等原則缺乏真正的貫徹。知“痛”而進，迎難而上，尋找量刑精準的良藥，“努力讓人民群眾在每一個司法案件中感受到公平正義”，已成為時代使命。
小包公始終認為，“科學的量刑方法是公正量刑的前提”[1]，只有科學的量刑方法才是治療量刑“痛點”實現量刑精準的良藥；此良藥即為：合規、實證。所謂合規，即科學的量刑方法必須遵循刑法規範，尤其是兩高量刑規範指導意見，各省實施細則以及各種包含量刑因素的司法解釋等，如不能將電信詐騙按普通詐騙量刑，不能將入戶搶劫按基本搶劫量刑；所謂實證，即量刑規則中的各種參數，應充分吸收迄今司法量刑的最大共識，繼承量刑行情，以大數據分析的方式求得，如量刑起點、量刑情節的精準數量表示。脫離規範的量刑，缺乏統一標準，量刑必將失衡；脫離實踐的量刑，缺乏實證支撐，量刑不可信賴。小包公通過法律與技術的緊密結合，探尋並實現刑法理論知識與刑事司法實務的深度對接，利用大數據及人工智能技術，構建了一套合規、實證的量刑方法，使刑罰裁量的過程透明，結果可驗證，實現量刑精準的公正目標。
具體而言，小包公首創國內智能精準量刑雙系統（理論量刑系統和實證量刑系統），實現“一次操作、兩套結果”；雙系統之間相互印證，從而達到精準，實現治“痛”。具體體現為：一是理論量刑系統遵循量刑規範化的基本原理，同時根據算法等技術手段，實現量刑知識的全部系統化、結構化、模塊化，以電腦的計算能力，測算出最接近公正的量刑建議；二是實證量刑系統以司法大數據為前提，經由大數據技術、人工智能技術等，提煉真實存在的量刑規律和共識，用於指導量刑；三是二者彼此借力，相互驗證，相互校正，融合量刑理論與實踐，提高量刑建議的公正性和可預測性，實現“同案同判、類案類判”。
同時，小包公作為一個自主成長與深度學習的開放式、專屬式之智能輔助辦公系統，也為智能精準量刑雙系統提供了一套專屬且高效的輔助工具，如智能化精準提取量刑要素，精準預測罰金刑的數額，精準預測數罪併罰的結果，實用型的量刑協商工具，多維度、可拆分的刑事文書查詢以及高效，精細的刑事法律規範查詢等。一個好漢三個幫，量刑精準有保障。
2
治“痛”良方——合規量刑
當前，關於量刑規範化改革的法律文件不斷完善，因其專業性而日趨複雜。這首先要求量刑公正與精準的改革與探索，必須立足於量刑規範化的一般理論與要求。
小包公嚴格遵循量刑規範化原理，構建量刑的理論模型，並設計、測試並驗證理論預測量刑的可靠性。藉此，更有助於實現量刑標準的統一化，更好地防止量刑不均衡以及量刑各地的差異化等問題。而且，通過理論預測模型，不僅可以極大地解放司法人員繁瑣的非核心任務，使其更專注於量刑之核心工作；同時，可以超越傳統的經驗式量刑做法，遏制量刑估堆式操作。
目前，小包公合規量刑主要體現在如下幾方面。
1．依規構建完整的量刑知識圖譜
構建完整的量刑知識圖譜，是確保量刑精準的前提。小包公量刑知識圖譜構建體現為：
一是信息提取：從刑法規範（尤其是兩高量刑規範指導意見、各省實施細則和各種包含量刑因素的司法解釋等）和海量公開文書中，利用NLP技術，提取案件屬性、犯罪客體、客觀方面、主體、主觀方面、量刑情節等實體對象，利用機器學習方法和語義規則關係將實體進行關聯，形成基於圖結構的知識結構。
二是知識融合：基於以上多個圖知識結構進行合併，並進行語義矛盾和歧義的消除，如坦白和自首不應該同時被評價。
三是知識評估：對於已融合的新知識，選擇置信度高的知識內容加入知識庫（部分經過人工審核），保證知識庫的質量。
四是知識可視化：將輸入案情和量刑知識，進行相似度深度關聯匹配，並統計和輸入有關罪名、法條、刑罰種類、量刑情節等，並以可視化圖表展示。
2．依規提煉量刑情節
量刑情節是刑罰裁量的唯一依據。小包公在量刑情節的提煉上，已做到“全覆蓋式”、“無死角式”的立法化、結構化、動態化程度。
（1）“窮盡”在個案中可能出現的量刑情節，並對其進行分類，從而制定出對應個罪的各省量刑情節表，即存在多少種具體個罪，就存在多少張量刑情節表。
（2）提煉實踐中存在的量刑因素
小包公對海量司法文書的整理識別，發現實踐存在一些共識性的影響量刑的因素，將其提煉予以適用，是尊重司法量刑規律的體現。
例如，已決刑事案件中的“肇事後為逃避法律追究，指使他人頂替，予以酌情從重處罰，從重處罰”“本案道路交通事故另致一人輕傷、多車受損，量刑時酌定從重處罰，從重處罰”，等等（見圖2）。
（3）提煉量刑情節衝突機制，防止量刑情節的不當競合，從而實現量刑情節組合的合理性；如在個罪中，坦白與自首不併存，未遂和既遂不併存等。如下圖所示。
（圖3情節衝突選項）
3．依規構建量刑規則
在提煉量刑情節之後，應當嚴格按照規範之要求構建量刑規則，具體而言：
首先，依規確定量刑起點。在最高法和各地《量刑指導意見》種，規定了常見犯罪的量刑起點；這一規定保障量刑統一的基礎，對非常見罪名也具有指引作用。當然，這一起點表現為一定幅度，還需用實證的方式予以確定化。
其次，確定調節基準刑的算法。應嚴格按照《量刑指導意見》確定調節基準刑的算法，並搭建相應的量刑模型，即在基本犯罪構成事實所對應的法定刑幅度內確定量刑起點的基礎上，根據剩餘犯罪構成事實及其他影響影響犯罪構成的犯罪數額、犯罪次數、犯罪後果等犯罪事實，在量刑起點的基礎上增加刑罰量確定基準刑，再根據其他量刑情節調節基準刑。對於一般的量刑情節，則採取同向相加，逆向相減的算法；對於存在不同層級量刑情節的，則採取連乘算法調節基準刑。對於《量刑指導意見》未規定的個別罪名，則參照刑法、司法解釋等規範的規定，結合司法大數據分析歸納總結的審判經驗確定其算法。
最後，確定調節宣告刑的算法。應結合案件的整體情況，對量刑情節影響基準刑的調節結果進行綜合判斷。同時，依據《量刑指導意見》賦予司法人員可以在參考數值20%範圍內酌情調節刑量的權力，將自由裁量權轉換成可視化的“調節鍵”，以更好地適應本地區現實情況和審判實際。
（圖4 自由裁量權的調節展示）
3
治“痛”良方——實證量刑
精確量刑需要消除理論量刑模型中的簡約式的定性，如幅度式的量刑起點需要轉換成點式確定性的量刑起點，幅度式的量刑情節處罰程度也需要轉化成點式確定性。這一“消除”只能依賴於以尊重司法為前提的司法大數據實證。同時迄今其他司法量刑的最大共識與量刑行情，以必須依賴司法大數據的實證進行發掘。脫離實證的理論量刑，有理但不見得“有據”，恐難以服眾。
為此，小包公設計實證預測模型。該模型立足於司法大數據，通過大數據技術進行篩選，挖掘出某特定個罪在特定地區的案例數據，智能提取司法實踐中的量刑結果，由此將這一結果中的量刑規律轉換為量刑因素的精準值，在規範前提之下消除規範上的簡約式定性，真正實現“治病”。
簡而言之，小包公主要從以下幾個方面實現：
1．實證輔助確定量刑參數
量刑模型是構建在量刑參數之上；量刑精準，也必須依賴量刑參數如量刑起點、減輕處罰的下限、特定量刑情節刑罰調節比例等精準確定。但此種精準並不能“任性”設置，必須合規有據。因此，在遵守量刑指導意見的基礎上，小包公以近千萬份刑事裁判文書之司法大數據為對象，進行大數據挖掘分析加以確定。
例如，若上海地區盜竊數額2000元的案件量刑起點為拘役4個月，若其中具有扒竊情節的案例的宣告刑分佈的峰值集中於拘役5個月，則可將此類案件的量刑情節“扒竊”的刑罰增加量確定為增加基準刑1個月（具體請參考圖5）。如此，在過濾掉其中無關因素的情況下，結合上海《量刑細則》的規定，小包公將“扒竊”這一量刑情節的通常調節比例確定為17%；當然，隨著案例的變化，系統自我學習後，會對這一比例值進行動態調整。由此，實現了實證的精準性和靈活性性。
（圖5 上海市“扒竊”情節在不同數額盜竊案件的影響情況）
2．實證輔助確定量刑起點
同理，對個罪量刑起點的精確化，在量刑規範化的前提下，也可以根據司法大數據歸納總結審判實踐中的量刑規律進行確定。
例如，以廣東省的交通肇事罪，死亡1人、全部責任、為逃避法律追究而逃離事故現場為定罪起點，廣東省量刑指導意見實施細則的規定為“交通運輸肇事後逃逸或者有其他特別惡劣情節的，可以在三年至五年有期徒刑幅度內確定量刑起點。”其對於定罪起點的規定較為籠統，差距較大，難以確定精準的量刑起點。首先，小包公數據系統支持通過輸入包含該起點的定罪情節和量刑情節，可以篩選出單一標籤、單一被告、單一罪名的類案。其次，通過數據分析規則讀取在相同情節下，過往刑期概率最大值為36個月，系統將對該案件刑期進行讀取。最後，在此條件的基礎上進行量刑情節的逐步刪減，並依次記錄刑期概率最大值，通線性迴歸分析的方式將不同情節的概率最大值進行分析，得出基準刑刑期與量刑情節的調節比例。為防止系統運算過程中不可避免的漏洞，小包公後臺數據系統還引入了系統預警機制，系統自動運算的推薦值若脫離法律、司法解釋、地方實施細則的限制，將會進入二次審核。此外，刪選案例條件由案例可視化數據提供參考，推薦由出現頻率較高的定罪情節和量刑情節進行分析，以確保大數據分析的數據量（具體見下圖6、7）。
（圖6 交通肇事罪案例篩選條件）
（圖7 交通肇事罪案例篩選結果）
3．實證輔助確定宣告刑
確定量刑起點之後，應根據案件的情節確定宣告刑。宣告刑應根據大數據實證化所確定的算法基礎提出，綜合全案情況，結合推送類案中所提取的刑期分佈，對理論刑期進行適當修正。
小包公擁有千萬級的刑事判決書所組成的數據庫，已經形成了非常成熟的類推精準推送功能。如圖8、9所示，即為根據用戶輸入的交通肇事罪致1人死亡，全部責任，為逃避法律追究逃離事故現場，酒後、吸食毒品後駕駛機動車輛、坦白、積極賠償並取得諒解等條件所展示的類案情況。小包公智能量刑系統類案推送支持橫向多維度查詢，行政區域維度，小包公支持查詢全國類案、本省類案、本市（區）類案，為系統使用者提供多維度的類案參考，實證輔助宣告刑的確定。
（圖8 惠州市本市類案結果的展示）
（圖9 廣東省本省類案結果的展示）
4
治“痛”良方——全面輔助
在理論預測與實證預測相結合的雙模式下，小包公還在多方面為精準量刑進行配套輔助，夯實精準性，提高量刑的可信賴性。
1．智能化精準提取量刑要素
小包公系統支持複製、黏貼、上傳等多種方式進行識別；一鍵精準提取地區、被告人、罪名、定罪條件、從重情節和從寬情節；一人多罪、多人多罪精準識別；主動排除干擾情節；支持手動修改要素。
（圖10 智能精準提取）
2．精準預測罰金刑的數額
嚴守罰金刑法定範圍，智能推演罰金刑司法適用大數據，科學預測個案罰金刑適用數額，從而滿足量刑精準要求。
（圖11 智能預測罰金）
3．精準預測數罪併罰的結果
經過深入論證和大數據推演，探索出實現數罪併罰“酌情決定執行的刑期”的最優路徑，實現對並罰結果的精準測算。
（圖12 智能預測數罪併罰）
4．首創實用型的量刑協商工具
系統確認了認罪認罰從寬情節屬性，並將其按照4個階段進行精細化分類，為控辯雙方量刑協商提供可視化、可量化、可執行的依據及結果。
認罪認罰與否之量刑結果對比圖
（圖13 量刑協商工具）
5．多維度、可拆分的刑事文書查詢
建構多維度、可拆分刑事文書查詢系統；每次預測，根據提取罪名、情節只能推送同地區、同條件的前10個類案，極大縮小了全網檢索的時間，實現高精準類案推送。
（圖14 文書查詢）
6．高效、精細的刑事法律規範查詢
以罪名為核心，提供全覆蓋檢索。刑事法律法規庫包括刑事、刑事訴訟法、監察法；立法解釋、司法解釋、部門規章、行政法規、各省量刑指導意見實施細則；最高法院指導案例、最高檢察院指導案例、人民法院公報、刑事審判參考、人民司法等司法觀點；證據規格。
（圖15 法律法規查詢）
5
結語
原大法官沈德詠曾指出：“在人類刑法文明史上，量刑公正始終是人們不懈追求的崇高目標。從某種意義上說，一部人類刑法文明史，就是一部為實現刑罰目的而不斷探索量刑公正的歷史。只要我們勇於量刑的司法實踐，大膽量刑的理論創新，不斷探索，積極嘗試，量刑公正的崇高目標就一定能夠達到。”小包公為量刑之“痛”而生，為量刑精準而努力，為量刑公正而奮鬥！
小包公網址：www.xiaobaogong.com
[1] 戴長林：“量刑方法及其應用”，《法律適用》，2009年第8期，第6頁。
量刑
