

在全球数字化转型、数字司法运行需求及维护数字正义的时代驱动下,司法大模型已成为数字司法的重要方式和基本特征,并产生了司法业务流程的批量生成与集成处理、预测性司法的全方位可视、司法决策的人机协同及司法程序的穿透性压缩等机制性效果,促进了传统司法模式向数字司法模式的迭代变革。然而,它也存在着司法边界的数字化突破、人机协同难题、事实与价值的计算困境及当事人权利的机制性侵蚀等应用限度。因此,需要注重数字赋能中的司法平衡、构建人机协同的法治约束机制、发挥数字司法的新时代功能、建立系统化的新型监督机制,从而建构可期的数字司法模式和数字法治秩序。
在算法重构正义逻辑的数字时代,司法大模型正以技术革命之势重塑司法权力运行范式。一方面,大模型通过“批量生成”解构司法线性流程,以“预测性司法”实现全要素可视,借“人机协同”重构裁判决策模式,并依托“穿透压缩”打破司法程序壁垒,显著提升司法质效;另一方面,技术赋能伴生着司法边界的数字化突破、人机协同中的主体性危机、事实价值计算困境及当事人权利机制性侵蚀等法治风险。这种“效率与公正”的内在张力,其本质是数字时代算法理性与工商时代司法规律之间的内在张力,因此,亟须探索和构建数字司法新机制,促进中国特色数字法治模式的形成。
一、司法大模型应用的时代驱动
在“一切皆可计算”的数字时代,算法正在全面而深刻地改变着人们的生产生活方式、社会组织方式、国家治理方式,推动着法律制度、司法制度的重大变革。司法领域正在经历着前所未有的变革浪潮。司法大模型由此应运而生。它不仅是数字时代发展的需要,还是数字司法变革的需要,更是维护正当权益的需要,是司法领域顺应数字时代发展的必然选择。
(一)
数字时代的大模型趋势
人类文明历经了从采集狩猎到农耕定居、从畜力劳动到机器生产、从模拟信息到数字智能的三次根本性跨越。而今,我们正迈向数字时代。在数字时代,“所有事物的出现是信息处理,这里,整个世界像一台庞大的计算机,这台计算机‘计算’出所有存在的事物”。大模型作为具有大规模参数和复杂网络结构的机器学习模型,是先进计算技术和算法(如深度学习、并行计算、分布式计算等)相结合的产物。它具有先进的计算能力,赋能百业。这必然也在司法系统中得到广泛应用,推动了社会“计算”的迭代升级。2024年6月28日,深圳市中级人民法院上线运行自主研发的人工智能辅助审判系统,这是全国首个司法审判垂直领域大模型。该模型实现了立案智审、智能阅卷、智能庭审、智能文书生成等全流程AI赋能,实现了“人工智能+审判”的深度融合。同年9月29日,珠海香洲法院正式启用“香法AI·云上智审”平台,这是全国首个基层法院研发训练的AI司法大模型,该模型实现了阅卷模式从“划线做笔记”到“提纲一键生成”、检索方式从“关键词搜索”到“你问我答”、文书生成从“填空题”到“论述题”的智能升级,推动了办案模式与审判方式步入司法现代化的新阶段。2025年1月20日,开源大模型Deepseek在业界引发地震式变革,其凭借强大的自然语言处理、逻辑推理与多模态能力全面赋能司法领域。从全球范围来看,美欧等发达国家也争相开发部署法律大模型,如LawLLM就是一个能够执行相似案例检索、判例案件推荐和法律判决预测的多任务模型。由此可见,司法大模型代表着集成性、生成性、一致性、自动性司法机制的变革动向。
(二)
数字司法运行的必然要求
随着“数字中国”建设战略的推进,社会的生产生活方式发生了颠覆性的深刻革新,这必然会推动数字司法的实践创新。“数字司法则是以办案平台为运行载体、以数据利用为业务支撑、以算法建模为决策助力、以数字思维为裁量方法的新型司法过程和司法模式。”其核心在于突破了既往的物理时空限制,使正义通过计算变得可视化。正如卡夫卡在《审判》中提到的,一个相信法律应该是“人人随时都可以进入”的乡下人却发现有守门人阻碍他进入法院。这个“守门人”隐喻着实现正义的阻碍,包括法院结构森严、诉讼成本高昂、法律知识复杂等。这些障碍“在很大程度上要归因于物理时空中的资源限制、区间阻碍和机制障碍”。而数字时代的司法大模型使得依靠人类理性判断的接近正义迈向了依赖数字计算的可视正义。一例典型数字检察案件显示,“非标油”存在污染大气环境、危害公共安全、扰乱市场秩序、造成国家税收流失等问题。检察院通过“非标油”综合治理监督模型,从消费端的规范票据行为到销售端的源头治理行为,通过全节点、全过程、全时空的数字“可视化”方式在一定程度上破解了成品油领域税收监管难题。目前,浙江检察机关协同税务部门追缴税款2.8亿余元,侦查发现黑加油点线索130余处。检察院通过可计算的数字司法挽回了税收流失、维护了公共安全。
(三)
提升司法质效的基本方式
相较于通用大模型,司法大模型是专门适用于司法领域,旨在满足司法对准确性、公正性的严格要求,具有极强法律语言理解、专业任务泛化和可信知识生成能力的一种基于大语言模型的生成式人工智能系统。它作为人工智能技术在司法领域的深度应用,已成为提升司法质效的基本方式。这主要体现在以下三个方面:其一,适法统一,解决“同案不同判”问题。个案法律适用在事实与规范之间实现“相同案件相同对待”,能够更加直观地契合人民群众朴素的正义观念。司法大模型通过对所涉裁判数据展开在案件事实与裁判规则之间不断往返检视的相关性分析与相似性判断,构建类案依据适用的统一性标准,从而为法官提供裁判参考,压缩自由裁量的恣意裁判空间,确保适用法律依据准确统一,以实现类案类判。其二,提高司法效率,解决“案多人少”矛盾。司法大模型作为先进的人工智能技术产品,推动了数字时代司法工作质量变革、效率变革、动力变革,在提高司法办案效率、满足人民群众多元司法需求服务方式等方面发挥了巨大作用。在立案阶段,司法大模型精准判断立案条件,智能辅助分案,一次性通知审查结论,提升立案登记效率;在庭审阶段,司法大模型精准分析证据效力,迅速归纳争议焦点,提升庭审效率和质量;在裁判阶段,司法大模型根据案件知识图谱,快速辅助草拟包含说理性内容的裁判文书初稿,提高法官司法文书撰写效率。正如苏州中院研发的“未来法官助手”通过一键辅助阅卷、一键分析焦点、一键生成裁判,大大缩短了法官的办案时间,为法官办案提质增效。其三,提升司法办案质量,防范冤假错案。司法大模型可以自动检索重要流程,自动筛查证据链完整性、法律适用准确性等关键结点,对案件质量进行全流程智能监管,以实现智能化的案件质量评查。如贵州省息烽县人民检察院的未达刑事责任年龄案件融合履职监督模型,通过数据清洗、智能筛选和人工研判,发现公安机关未及时终止侦查或撤案的案件线索;上海市高级人民法院通过建立评查模型,精准识别“套路贷”“虚假调解”等异常诉讼模式。由此可见,司法大模型通过反向应用可以识别附加刑遗漏、前科未考量、法律条文适用错误、数额计算错误、证据采纳瑕疵等问题,通过智能“挑错”提升司法办案质量,保障司法质效。
(四)
维护数字正义的重要途径
在数字时代,司法领域的数字化转型已成为必然趋势。最高人民法院在《人民法院第六个五年改革纲要(2024—2028)》中明确提到完善数字法院建设体系的目标,其中强化智能算法、大语言模型、数字模型等技术应用是完善数字技术智能应用机制的关键环节。
司法大模型作为先进的人工智能技术,能够在多个关键维度维护数字司法的效率与公正。其一,降低诉讼门槛,维护公民权益。例如安徽省阜阳市中级人民法院作为全省首家引入DeepSeek辅助法律服务的法院,在诉讼服务大厅接入了DeepSeek人工智能大模型。该模型支持口语化方式的多轮自然对话,并配备“适老化”“无障碍”操作界面,这种智能服务模式降低了群众的维权门槛,更好地保障了公民的合法权益。其二,模拟案件过程,还原事实真相。浙江省嵊州市检察院开发的“非法采矿”数字监督模型,通过还原涉案车辆的运行轨迹,倒查矿产加工厂矿产资源来源,从而挖掘出矿产资源非法来源地存在非法采矿的违法犯罪线索,统计非法开采数量,并通过可视化方式展示运算结果。这样的模型建构在一定程度上解决了非法采矿案件“线索发现难、调查取证难、查处打击难”的痛点,从而保护了国有矿产资源,促进了司法正义。其三,增强调解说服力,保障合法权益。司法大模型凭借其强大的数据处理和智能分析能力,在促进当事人达成调解协议、维护合法权益方面发挥了重要作用。例如山东省莒南县人民法院仅在2025年2月就利用DeepSeek助力成功调解案件40件,调解时常缩短40%。DeepSeek能准确识别纠纷的争议点、检索恰当合适的法条、生成具有参考价值的调解方案,当事人对于没有感情倾向的DeepSeek给出的法律答复更加信服,并对案件结果有了合理预期,从而做出合理决策,保障自身的合法权益,提升了司法公信力。
二、司法大模型应用的机制性效果
司法大模型的研发、推广,并不仅仅是一种工具性应用,而是产生了体制、机制性的变革效果,推动着司法体系向智能化、可视化、协同化、精准化的方向演进。
(一)
司法业务流程中的批量生成与集成处理
作为司法领域的垂类大模型,司法大模型具有超级学习和“涌现”能力,在法律语言理解、法律知识问答、法律预测和法律文本生成等领域表现突出。其广泛深度应用推动了司法业务流程的重构。
具言之,司法大模型以全量数据要素为核心,将传统司法业务中的“起诉—受理—庭审准备—开庭审理—执行”的线性流程,在一定程度和范围上转化为“数据标准化—模型泛化—流程复制”的批量生成机制。这主要体现在以下两个向度:一方面是突破物理时序限制,形成贯穿全流程的批量“数字卷宗”。在传统司法业务中,立案、审理、裁判、执行等环节存在着明显的人工分段处理流程和职责,而司法大模型通过自然语言处理技术,对司法案件中的非结构化数据进行要素提取,形成贯穿司法业务全流程的批量“数字卷宗”。2024年6月,深圳市中级人民法院上线运行自主研发的人工智能辅助审判系统,其全面覆盖立案、阅卷、庭审、文书制作等审判业务的85项流程,实现AI全链条赋能。这样的AI全链条赋能使传统需要跨部门流转的司法业务流程可以实时协同,打破了业务环节的物理分割,实现了全程共享的业务协同。另一方面是通过诸多类案的要素化解析,实现类案流程的批量化处理。相较于通用大模型,司法大模型具有专业的法律大数据分析和处理能力,可以将司法案件中的全量信息解构为可以计算的标准化法律要素,从而实现类案流程的批量构建。2024年10月,浙江温州新桥法庭实施民事、刑事、行政案件“三审合一”的AI智审新系统,“AI全科法官”一天就审结了16起案件。其借助于AI智审,将过去审理同类案件,从立案到排期、送达、开庭、审结需40天左右的流程缩短为10余天,不仅提高了司法质效,还确保了同案同判,并当庭宣判。同类案件的批量集成处理,强化了类案裁判尺度的一致性,使司法正义以可视化的方式实现。
综上,司法业务流程中的批量生成与集成处理并非简单的技术应用,而是依托司法大模型的深度学习算法实现的司法业务自动化,提升了司法业务流程批量处理的司法质效。当然,司法大模型只能更多地处理程序性、重复性的司法业务,而价值判断和规则适用则只能由司法人员依法裁量。
(二)
预测性司法的全方位可视
预测性司法是利用算法分析数据规律,自动评估犯罪风险,为逮捕、起诉、缓刑等司法决策提供数据支撑的实践。预测性司法是贯穿于刑事司法全过程的围绕“未然之害”预测展开的算法决策机制。人们希望通过它提高司法效率、提升司法质量、增加司法可预测性,带动司法科技企业发展的“预测正义”。传统预测性司法依赖有限度的数据挖掘,从而进行数据画像。而在当今数字时代,司法大模型为预测性司法带来了全新的发展契机。司法大模型通过全要素整合、全时空贯通、全场景模拟,实现了预测性司法的全要素可视。
其一,全要素关联预测。全要素关联预测意味着不再局限于依据单一维度的信息进行预测,囊括了与之密切相关的多维度数据进行综合分析,从而构建出更加全面和精准的案件模型。例如湖南省长沙市望城区检察院联手公安、交警合作构建“交通事故涉诈监督模型”,通过调取30余万条事故数据,从姓名、证件号、车牌号、保险公司、事故时间、事故地点、责任划分等多维度数据出发,对异常数据进行监督筛选,并推送给相关业务部门进行分析研判。该立案监督司法大模型通过对海量多源数据的深度解析,挖掘案件之中潜在的关联与规律,进而实现对案件发展态势的精准预测。
其二,全时空动态预测。全时空动态预测意味着突破了静态历史数据的限制,将视野延伸至未来。司法大模型具备强大的内容生成能力,符合司法行业的业务需求,其展现出法律法规认知、客户指令理解、法律逻辑推导与法律文本生成的全链条司法工作潜力。它能够根据当前案件状态及相关因素,动态预测案件在未来不同时间节点可能的走向,为司法决策提供前瞻性的参考。如上海青浦法院针对400件商标侵权案件,全时空分析商标恶意诉讼的历史模式,包括原告诉讼历史、取证方式、代理律师关联性等案件要素,通过上海数字法院建设中的“数助办案”模块,及时洞察批量关联案件中的潜在问题与异常模式,自动识别并预警潜在的恶意诉讼行为。
其三,全流程嵌入预测。全流程嵌入预测意味着司法大模型不仅是基于某一个司法环节的预测,而是从立案侦查开始、进入审查起诉阶段、再到司法审判环节、最后进入案件执行阶段,将预测性司法深度嵌入司法全流程。它实现了从诉前风险预测、诉中程序预警、裁判结果推演、判后执行预测的全流程嵌入式预测。如北京高院研发的“数智北法”智能应用平台,严格把守在立案、审判与执行各阶段的“质检”关键点上,在立案、审判与执行各阶段提示审判程序是否合规、法律适用是否恰当等风险预警,维护司法公正。
综上,司法大模型通过全要素关联、全时空分析、全流程嵌入实现了司法活动的全方位可视。当司法大模型能预见纠纷争议点、预判程序漏洞、预演裁判结果、预阻执行风险时,即推动着司法活动从“事后补救”转向“事前预防”,从“被动裁判”走向“主动治理”。
(三)
司法决策中的人机协同
从2016年开始,最高人民检察院、最高人民法院先后推出了“智慧检务”“智慧法院”建设。随后,将其升级为“数字检察”和“数字法院”的发展战略。最高人民法院发布了《关于加快建设智慧法院的意见》,提出智慧法院是人民法院充分利用先进信息化系统,支持全业务网上办理、全流程依法公开、全方位智能服务,实现公正司法、司法为民的组织、建设和运行形态。其核心在于,不仅将数字技术应用于司法裁判过程之中,更重要的是借助技术对司法过程进行智能化改造,将智能技术的优势深度融入裁判推理与构建之中。当司法大模型运用于司法裁判之中时,人机关系从纯粹工具性使用向人机协作演进。生成式人工智能开始扮演“法官伙伴”的角色,凭借其强大的数据分析能力和反应速度,实现审理过程、办案程序、决策输出方面的指引和监督。
一方面,类案裁判中的人机协同。司法大模型通过人工智能技术辅助法官完成类案检索、裁判推理及质量评查,同时保留法官对于核心法律价值和裁判结果的主导权,从而实现统一法律适用、提升司法效率的目标。如果将类案裁判视为一个系统整体,其主要由设定与输入、处理与输出、学习与改进三个子系统构成。而人机协同关系的具体化表现为,在设定与输入环节,司法人员承担着为机器设定类案裁判目标和规则的重要职责;在处理与输出阶段,大模型与司法人员有着明确且互补的分工,大模型对案件事实、争议焦点、法律适用等进行提取和分析,司法人员对机器输出的结果进行审查和判断;学习与改进系统则是人机协同机制不断优化的关键。类案裁判中的人机协同将司法人员的专业知识、裁判经验与司法大模型强大的数据分析、处理能力相结合,构建高效、精准的裁判辅助体系。
另一方面,辅助量刑建议的人机协同。司法大模型在辅助量刑建议中的“人机协同”,主要是通过AI技术对案件要素进行量化分析、生成基准刑建议,再由法官根据法律逻辑、审判经验,结合法律价值、社会效果进行修正与决策的过程。作为“智慧司法”的核心组成部分,“智能量刑算法”已经成为传统司法结构性转向的关键节点,其有助于提高司法人员的认知判断能力、法律推理能力,提升司法效率和裁判统一性。如检察官在办理危险驾驶案件时,利用上海检察机关研发的危险驾驶数智办案辅助模型,基于历史数据设定的53条推荐规则以及法律、司法解释规定设定的44条推荐规则,通过自动解析定罪量刑要素,可以精准推送同类历史案件诉与不诉的比例、起诉时的量刑建议等。在这个过程中,人机协作主要体现在AI负责自动识别罪名、情节,再根据量刑规范库输出建议刑期的期间和刑罚方式,最后自动关联类案裁判规则进行辅助说理;法官则负责确认提取要素的准确性,再审查算法逻辑并调整刑期计算权重,最终评估社会效果,融入个案进行特殊性论证。
综上,司法大模型应用中的人机协同机制体现了经验理性和计算理性的互动耦合,实现了司法人员和司法大模型之间的优势互补、人机协同,能够更好地解决“案多人少”的矛盾,也抑制了自由裁量权的滥用,促进了“同案同判”,提升了司法裁判的准确性、公正性和效率,从而维护了司法公正。
(四)
司法程序的穿透性压缩
司法大模型作为人工智能与司法领域深度融合的产物,正以其独特的优势逐渐成为推动法治中国建设的重要技术力量。其中,它在司法程序中的应用效果尤为明显,即通过数据穿透和流程压缩重构了传统司法程序,提升了司法质效。
其一,司法环节并行协同。在传统司法模式下,司法程序遵循严格的单一线性流程,即从立案—审判—执行依环节推进,各阶段相对独立,流程耗时较长,也会存在证据不足退回补充侦查等情况。司法大模型的应用促使司法程序从单一线性流程走向多环节并行处理,特别是那些可以并行批量处理的,无须严格遵循时间先后顺序的司法流程,提升了司法效率和协同性。如苏州中院研发的“未来法官助手”,通过“一键阅卷”功能将案件信息要素、事实查明、庭审辩论等信息在审理过程中就已明确了解,再参照预设的裁判推定逻辑分析回应诉讼请求,从而能够在两分钟内生成裁判文书,实现了审理与裁决的协同运行。
其二,压缩庭审程序。在传统司法模式下,庭审程序有自己的环节流程和时间安排,例如证据交换、法庭调查等环节。但司法大模型可以自动提取争议焦点,生成质证清单,也可在语音转录过程中聚焦当事人的陈述。这大大缩短了庭审程序的时间,实现了时间轴压缩。此外,司法大模型在某些环节还能进行人力替代,实现人力成本的压缩,从而提高司法效率。2025年3月14日,新疆哈密市伊州区人民法院进行了一场“无书记员庭审”,整个庭审活动仅用了十几分钟,并且全程没有书记员,由大模型承担书记员的职能,当事人还当场领取了只有几百字的“表格式”简易判决书,反映了人力成本压缩的技术发展趋向。
其三,缩小审级信息差。传统的司法审级信息相对封闭,构成“基层—中院—高院”的层级封闭系统。司法大模型利用强大的数据整合能力进行全域知识融合,运用智能推送能力进行智能预警干预,通过数据全域穿透,突破不同审级之间的信息差,从而实现司法的纵向监督和横向参考协同。一个典型代表是,“法信法律基座大模型”在多地法院应用,该模型引入了最高人民法院“法信”平台全流程法律资源标注机制,以及历时10余年搭建的、包含18万法律知识体系编码的“法信大纲”,将最高人民法院所制定发布的司法规则、细则与基层案例语言进行关联,形成庞大的司法结构化知识网络。这样,大模型就可以帮助基层法官了解某类案件上级法院的审查重点,还能基于强大的大数据分析能力预测案件上诉到上级法院后可能的裁判结果,从而缩小审级信息差,促进适法统一,提升司法质效。
综上,司法大模型对司法程序的穿透性压缩,本质上是通过全域数据穿透司法程序壁垒、重构司法权力的运行逻辑,从而实现司法效率的质效提升。这种变革实现了司法程序从“人力依赖”向“算力驱动”的范式跃迁。
三、司法大模型的应用限度
尽管司法大模型在提质增效方面展现出显著的优势和潜力,但它那种依赖数据统计和算法推演的通用性运行模式,与司法活动对个案正义、人文关怀的自身属性产生了一定的张力,从而构成其应用的潜在限度。
(一)
司法边界的数字化突破
司法大模型通过构建法律知识图谱、加强裁判规则推理链、实时接入条文动态适配等方式,实现跨域数据融合、全流程知识穿透,在打破部门壁垒的同时也引发了司法边界的数字化突破问题。这种突破包括横向突破、纵向突破、权能突破。
其一,横向突破。司法大模型的横向突破主要体现在公检法司之间以及公检法司与行政机关之间的数据共享,司法大模型中的数据共享打破了公权力机关之间的数据流通壁垒,保障了公共部门之间的精准协同,提升了公共管理质效。如2025年6月,深圳市龙华区人民法院上线的“龙藤”人工智能辅助执行系统,是全国首个覆盖执行案件办理全流程的大模型人工智能应用。“龙藤”可以全面获取被执行人的工商档案、招投标情况、涉诉信息等,还可对接12368等群众诉求平台,让承办法官了解预警信息。公权力机关之间的数据共享,覆盖了执行办案节点,打破了执行系统壁垒,但同时也引发了权力边界模糊的问题。
一方面是公检法司之间的权责模糊。公检法司作为司法体系的核心主体,各自承担着侦查、起诉、审判、司法行政的法定职能,职能边界通过诉讼程序和法律条文明确划分。司法大模型打破了公检法司之间的数据烟囱,提升了司法效率,强化了监督穿透力。但随着司法大模型的深度应用,数据共享、流程协同、算法联动等数字化方式打破了公检法司之间的职能边界,可能引发职能交叉与权责模糊的问题。比如河南省荥阳市开发的侦查监督模型,检察院可以通过大模型直接监督公安机关办案。甘肃省检察院运行的“案件质量检查评查智能系统”实现了检察机关对法院裁判的智能监督。山西省忻州检察院的涉企积案监督模型打破了检警数据壁垒,开启了对公安机关的全流程、多维度监督。司法大模型在带来共建共享优势的同时,也造成了公检法司之间权责制衡的弱化。另一方面是司法权、行政权的权力边界模糊。在传统权力理论中,司法权的核心是独立判断与居中裁判,行政权则以高效执行和层级管理为主要特征。司法大模型的应用模糊了两大权力机关的边界。司法大模型接入行政机关数据库打破了信息孤岛,提升了司法决策质效,但如果数据标准不统一,将可能扭曲裁判逻辑,影响司法机关的独立审判。一些行政机关在运用司法大模型预测自身涉诉风险时,能够规范其行政裁量权、减少行政机关涉诉风险,但同时,司法大模型推送的“类案裁判规则”也可能影响行政人员对复杂个案的灵活处理,而机械地遵循推送的判例还可能会压缩行政执法人员的法定裁量空间。
其二,纵向突破。司法大模型的纵向突破主要体现在司法机关上下级之间的边界突破,重构司法层级之间的权力运行逻辑。司法大模型自上而下的统一规则指引为适法统一提供了条件,其自下而上的基层实践为司法知识的高效流动提供了场景支撑。然而,司法大模型在司法层级上也出现了某些突破。
一方面消减了上级审判机关的“纠错”监督职能。司法大模型的统一法律规则指导,改变了传统司法监督的案件逐级审批、改判发回等层级监督机制。例如“法信法律基座大模型”,该模型投入最高人民法院“法信”等多个法律大数据平台经过高质量专业标注的3.2亿篇共计3.67万亿字的法律文献、裁判、案例、观点等数据语料,融入包含18万法律知识体系编码的“法信大纲”。基层法院法官在审理案件的过程中,大模型可以为法官提供相关的法律法规、上级法院同类案件裁判要点及参考案例,因此,法官能够将上级法院的裁判思路和法律适用标准运用到裁判过程之中,作出符合上级法院裁判预期的判决结果,减少了因法律适用错误导致改判的二审情况。但它却弱化了上级法院基于法律适用错误进行纠错的“监督”职能,传统二审法院对下级法院的实质审查空间被数字化压缩,监督方式从“事后干预”转变为“事前指引”。另一方面影响了上级检察机关的“决策”领导职能。在传统检察体系中,上级检察机关对下级的领导多通过重要案件的请示、批复;重大案件办理的业务指导;绩效考核指标等“科层指令”,而司法大模型通过构建跨层级的法律监督模型解决了监督碎片化、被动性、浅表性的问题,但大模型监督规则的标准化,也消减了特定情况下上级检察机关通过政策灵活指导下级司法办案的功能。
其三,权能突破。司法大模型的权能突破主要体现在公权力机关与企业平台之间的数据交互双向融合、技术协作的“隐性参与”以及权能边界的动态模糊,这种突破在提升纠纷化解效率、降低社会治理成本的同时也打破了传统“公权力—私权利”的二元结构,在缺乏法定授权的前提下,平台企业通过技术赋能从技术的提供者演变为司法决策的实际参与者。
一是通过技术供应参与司法程序重塑。平台企业作为技术供应商,通过提供标准化接口与定制化模块,实现了公权力运行系统的技术耦合。平台企业通过提供语音识别、笔录自动生成等技术深度嵌入庭审过程,从而实质参与司法程序。如在2025政法装备展上,科大讯飞携新升级的星火法律大模型亮相,其同步升级了语音识别大模型,能够精准识别202种方言,庭审语音识别准确率可达95%以上,为深度参与司法程序提供了技术条件。二是凭借数据处理优势参与司法决策。平台企业掌握着用户的行动轨迹、交易记录、社交关系等信息,具有数据垄断者的支配地位。而司法大模型的运营不得不依赖这些数据,因此平台企业利用其超强的数据处理能力对司法权运行产生隐性影响力。如江苏省苏州市相城区检察院依托的司法大模型,平台企业通过提供数据支持参与司法信用惩戒决策。其在助力恢复企业经营者的司法信用、消除监督盲区等方面发挥了积极作用。但也不得不承认平台企业的数据对司法决策走向的影响力。三是通过规则的技术转化影响司法裁量。平台企业既是数字经济生态的主要创造者、提供者,也是数字经济的重要组织者、管理者。它通过数据逻辑、算法规则等形式在司法大模型中承担着规则代码转化和程序计算的角色,隐性地影响着司法人员对事实认定、法律适用乃至责任划分的裁量方向。如华宇万象法律大模型聚焦审判业务痛点,贯穿立案、庭前、庭审、结案全业务流程,为办案法官提供万象数字助理、万象阅卷、万象庭审、万象文书等智能化服务。大模型让平台企业能够为法官提供类案推送、法条推荐等决策支持,影响着司法裁量权。
(二)
人机协同的难题
我国自“十三五”时期起便在智慧司法领域进行布局,人类法官与人工智能深度融合的协同审判模式正逐渐成为司法审判工作的新常态。人机互动反馈的机器学习,可以在之前检索经验基础上不断提升今后检索活动的效率,从而提升司法效率,化解案多人少的司法难题。但司法大模型下的人机协同也带来了数字时代的司法难题。
其一,办案人员的依赖性。司法大模型在案件检索、证据分析、法律推理、文书生成等方面展现出高效性,却也使办案人员过度信任模型输出的结果,在某种程度上影响他们的自主性。事实上,《最高人民法院关于规范和加强人工智能司法应用的意见》提出了“辅助审判原则”,明确无论技术发展到何种水平,人工智能都不得代替法官裁判,以确保司法裁判始终由审判人员作出。联合国教科文组织2021年通过的《人工智能伦理问题建议书》也强调,在司法等高敏领域中AI只能增强而非替代人类决策。然而,就像驾驶员明显依赖导航一样,一旦司法人员习惯于运用司法大模型辅助决策,就不可避免地受其影响。因此,有效地坚持人工智能是结构补强而非价值替代的定位,并不是一件轻而易举的事情,需要认真审慎地积极应对。
其二,人文精神受到侵蚀。司法大模型所面临的人文精神侵蚀风险,其本质是技术理性与司法伦理的价值冲突,即效率与人性之间的平衡问题。详言之,司法大模型是基于大数据统计从而生成裁判量刑建议,其难以捕捉司法案件中的情感伦理要素。大模型机械化的思维方式是将数据集之中的“情感要素”“伦理考量”抽象为机械计算的数字参数,因此无法真正理解人文关怀。正如七旬老人付某因每年仅获600元补助难以维生,策划在北京火车站实施抢劫未遂,在面对审判时,他提出“请求法律判重一点”。司法大模型面对“入狱养老”这类案件,很难从数字计算中理解“矜老恤幼”的司法人文精神。
其三,大模型的幻觉效应。大模型幻觉问题的产生并非是偶然的,而是由技术发展的局限性和用户输入的提示词与情境等共同所致。当训练数据不准确或算法存在漏洞的时候,由于生成式人工智能存在涌现性的特征,就会导致大模型出现幻觉。司法大模型在运用的过程中也会出现混淆相似概念、案件,虚构法条或判例,歪曲法律解释,捏造或歪曲案件事实、证据,进行错误的逻辑推理和判断等幻觉。司法大模型的这些幻觉错误不同于其他的大模型,它可能会对司法办案人员产生误导,甚至诱发冤假错案、程序违法等影响司法公正的严重后果。司法大模型的幻觉效应对办案人员的素养提出了更高的要求。在与司法大模型进行协同工作时,办案人员须具备扎实的法律专业功底、敏锐的事实核查能力以及极强的逻辑批判思维。
(三)
事实与价值的计算困境
在司法领域,事实认定与价值判断两者缺一不可,且其相互作用直接决定裁判的公正性与正当性。事实认定是司法裁判的逻辑起点,“以事实为依据”强调事实是法律适用的客观前提。价值判断是司法裁判的主观导向,“以法律为准绳”强调价值判断是法律适用的灵魂。 司法大模型擅长对通识性、标准性、可量化的内容进行统一计算,但却很难对法律事实与价值判断进行精准计算。
其一,法律事实的建构性导致其难以被精准计算。法律事实并非原始事实的简单镜像,而是通过证据规则建构的“规范”事实。如《刑法》第20条对防卫过当的界限进行了规定,“若明显超过必要限度并造成重大损害,须负刑事责任”。对于“明显超过必要限度”的法律事实需要法官根据个案情况,通过法律构成要件进行解读。又如上海市嘉定区一桩不起眼的普通抢劫团伙案,连越一审、二审、再审三个诉讼程序,两级检察机关抗诉。该案法律适用的最大争议在于被告人以假借购物为由,进入他人经营和生活区域缺乏明显隔离的商店抢劫财物的行为,是否构成“入户抢劫”。对于“入户抢劫”,首先需要明确“户”的范围,其次要有非法侵入性,其三暴力威胁行为必须发生在户内。法律事实并不是原始事实的简单复刻,而是需要在已有事实的基础上,通过剪裁、折叠和重构等方式对事实进行聚焦,对标相应的法律条文。也即法律事实的判断并非机械地套用法律条文即可完成,而是需要法官透过文字表象,结合具体个案的场景细节与价值导向进行实质性解读,这恰恰是司法大模型难以精准触及的领域。
其二,价值判断的主观性和多元性使其难以被量化计算。法律裁判中的价值判断是司法人员基于立法目的、伦理准则、个案正义等进行的主观权衡。这种权衡无法被简化为数据要素,也难以通过算法逻辑进行精准模拟。司法大模型擅长对既定规则、量化指标进行高效计算,但对于司法裁判中的价值判断往往失去效力。如正义价值虽是普遍的,却没有统一的标准,无法量化。难以进行要素抽取、构建通用知识图谱,从而导致难以进行建模计算。同时,难以穷尽“正义”的样本,无法对“司法正义”各类情形和所有样本做出穷尽式的提炼与归纳,因此很难穷尽案件的正义样本。又如山区乡间人民法庭的法官在调解赡养案件时,不仅要考虑狭义的赡养问题,还要考虑老人吃荤油、素油;儿子提供的粮食中是否有绿豆、黄豆以及具体有几斤的问题。由此可见,在中国,基层法院法官关注的是如何解决好纠纷,而不是如何恪守职责,执行已有的法律规则。司法大模型的计算能力是对“过往经验”的数字化重现,而价值判断更多的是对“未来预期”的前瞻性建构。价值判断的不可计算性,正是司法活动“人文关怀”的生动体现。
(四)
当事人权利的机制性侵蚀
司法大模型的深度运用正在重塑着司法运行逻辑,但其技术特性也引发了当事人权利面临机制性侵蚀的深层困境。这种侵蚀不同于传统司法中因个体办案疏漏导致的偶发权利损害,而是依托大模型自动化运行、算法黑箱操作等技术特性形成的系统性风险。
其一,个案偶发到类案侵蚀。司法大模型的运用使对当事人权利的侵蚀发生了根本性质的转变。在传统司法模式中,对权利的侵害通常是个案性、偶发性的,源于办案人员的个体行为偏差或失误,其影响范围相对有限。然而,大模型基于技术规则的自动化运行机制,一旦其算法逻辑存在缺陷或训练数据包含偏见,其产生的错误或偏差就不再是个别现象。这种错误会被系统性、规模化地复制应用到所有符合其预设条件的类案中,导致个案中的权利侵蚀演变为类案性的、普遍性的机制化侵蚀。这种侵蚀的根源不再是孤立的个体行为,而是嵌入技术系统本身的、持续运行的动态机制。
其二,缺乏自我纠错机制。传统司法模式具备内在的纠错机制。在个案处理中,办案人员基于法律素养、职业伦理和具体情境,有能力进行自我反省、自我纠错。当事人申诉、上级审查复核等程序也为纠正个案错误提供了制度化路径。相比之下,司法大模型本身缺乏自我意识、道德判断和情境理解能力,无法进行自我反省或主动纠错。其运行结果完全依赖预设的算法和数据。当模型输出导致当事人权利受到侵害时,错误会持续、自动地发生,直到外部力量通过技术手段进行干预和改进。这种纠错机制的缺失和滞后,使权利侵害在技术改进前会持续存在并扩散,缺乏即时的、内置的程序性保障。
其三,监督救济机制缺失。传统司法体系为监督权利侵害和提供救济建立了相对多元、透明的机制。当事人可以通过投诉、上诉、申诉等程序寻求救济;外部监督力量如人大、检察机关、社会舆论等也能发挥重要作用。这些机制依赖于一定程度的过程透明和理由说明。然而,司法大模型的核心——算法决策过程往往是一个“黑箱”,其内部逻辑复杂且不透明。这个“黑箱”并不容易拆解,即使拆解方法被公之于众,我们作为大模型技术的门外汉也很难进行实际操作。这使权利侵害难以发现、监督难以实施、救济渠道匮乏。在司法大模型中,当事人权利受到侵害后,往往面临救济无门、归责困难的困境,因此,亟须构建系统性监督机制。
四、司法大模型应用的优化策略
司法大模型应用的优化,并非简单的技术迭代,而是要在技术赋能与司法规律之间找到平衡点。人工智能虽不可能带来法律层面的计算准确性和预测准确性,但作为一种工具辅助人类司法,仍具备若干比较优势。因此,面对司法大模型在应用过程中产生的潜在限度问题,优化工作的最终目标是让数字技术成为司法为民的有力抓手,通过技术赋能提升司法效能。
(一)
注重数字赋能中的司法平衡
司法能动与司法克制一直以来都是司法活动的两种主要倾向,“司法能动主义倾向的是在法律适用上的实用主义,强调司法积极参与社会的治理态度;而司法克制主义则倾向的是维护司法独立和程序公正,强调法官作为审判者消极中立的态度”。司法大模型应用优化的核心在于,利用数字技术赋能司法的同时,需平衡司法能动和司法克制之间的关系。也即我们既要通过技术赋能突破司法资源瓶颈,回应社会需求、填补法律空白;又要以技术理性框定司法克制的边界,防止算法扩张侵蚀司法裁量本质。权衡司法能动与司法克制两者之间的关系是保护公民权利的现实选择。
一方面,司法大模型在文书自动生成、信息检索等方面提高了司法效率;在类案推送、法规检索等方面促进了适法统一;在诉讼导引、风险预测等方面提升了司法服务。但是数字赋能不应该成为司法机关变相修改规则、压缩程序、扩张职权、穿透当事人的途径和形式。一是确保对算法输出与法律条文进行关联校验,不应通过算法创设法律未规定的权利义务,从而进行实体规则的修改。二是在大模型的关键节点设置人工确认弹窗,不应影响当事人质证、辩论、申诉等权利,从而导致程序权利压缩。三是明确数据调取需要二次授权并进行留痕,不应以技术便利突破法定权限,从而导致职权扩张。四是区分涉案数据与数据集的使用界限,不应获取非涉案隐私数据,从而穿透当事人的隐私。另一方面,数字赋能可以让司法机关更好地参与和促进社会治理。如数字检察依托大数据赋能,容易发现批量监督线索;通过开展系统性、深层次的类案监督,发现类案背后的社会治理风险隐患,让司法监督工作能够促进社会的系统治理,将实现能动、系统、深层次的法律监督。但司法机关不应是跨越角色、越俎代庖的行为性治理,而应是恪守职责、优化自身效能的功能性治理,即非直接代行行政权或立法权。监督应止步于制度建议,数据分析应转化为修法倡议,预警系统应保留当事人否决权等。
(二)
探索人机协同的法治约束机制
在推进司法大模型深度应用的过程中,探索构建人机协同的法治约束机制是关键路径。既要明确司法大模型在司法程序中承担着“决策辅助工具”,而非“决策替代者”的角色定位;又需要建立覆盖全流程的制度机制;同时建立健全跨域协同监督风险防范体系,从而确保司法大模型的应用促进司法公正。
其一,构建良性人机协同关系。在推进司法大模型深度应用的过程中,构建良性人机协同关系是关键路径。该路径以“人本主导、技术辅助”为根本原则,通过厘清办案人员的主体决策地位与大模型的辅助功能边界,释放人机协作的最大效能。具言之,人机之间更适合的定位应当是法官承担说理责任,机器予以全面辅助;坚守办案人员在价值判断与规范评价中的主体权威,司法大模型通过构建知识图谱、整合领域术语、生成因果链条与规则嵌套,协助司法人员作出司法决策,但不介入价值判断本身;司法大模型可以提出最相似的类案、最匹配的证据路径,但法律解释的主导权必须留在司法办案人员手中。
其二,建立司法大模型应用的制度机制。建立覆盖全生命周期的制度化约束体系,从设计开发阶段就要考虑司法大模型的算法决策是否会存在对人和社会的潜在危害,并在系统立项阶段就需要针对算法安全进行评估。从模型开发的合规性审查、应用场景的差异化授权,再到输出结论的强制人工核验及错误救济程序,形成“设计—应用—矫正”的闭环管理。
其三,健全司法大模型的风险防范机制。司法大模型的风险治理需兼顾技术安全与权利保障。在技术风险层面,建立“模型熔断”机制,当出现算法幻觉、数据泄露等重大故障时,自动切断系统运行并启动应急方案;推行“跨域协同审计”,邀请技术专家、法律学者、当事人代表组成独立审计组,对模型进行交叉验证。在权利保障层面,创设“算法侵权救济通道”,允许当事人就模型应用中的实体错误、程序瑕疵等提起侵权之诉,构建预防性监测与长效治理并重的风险防范机制。
(三)
发挥数字司法的新时代法治功能
数字法治是数字法治化和法治数字化的有机统一,而数字司法则是数字法治的核心机制,它以司法大模型等技术应用为支撑,重组司法权运行逻辑,重构正义的生产和分配方式,为数字法治秩序建构提供深层驱动。
其一,提升司法办案质效。司法大模型通过自然语言处理技术实现卷宗智能解析,将案件要素自动提取、类案精准匹配的时间从数小时压缩至分钟级,大幅减少法官的机械性劳动;依托知识图谱构建的“法律要件—证据事实”关联模型,可快速识别证据链漏洞,辅助法官聚焦争议核心;通过实时推送类案规则、法律变迁动态,辅助统一裁判尺度;基于历史数据识别争议焦点,进行预测辅助,优化庭审资源配置。
其二,保障当事人权利。数字司法的核心价值之一,在于通过技术革新打破权利救济的时空壁垒与程序门槛。司法大模型可实现起诉、举证、阅卷等流程的全线上办理,让偏远地区当事人无须奔波即可参与诉讼;针对老年人、残障人士等群体,开发语音交互、视频辅助等无障碍功能,弥合司法服务鸿沟。更关键的是,司法大模型应通过算法透明化机制保障当事人的知情权,允许对“类案检索结果”提出异议并要求人工复核,确保司法大模型对当事人权利的个案保护。
其三,促进可视正义。从接近正义迈向可视正义是数字时代的一种发展趋势。一方面,新时代公众对司法公信力的感知,越来越依赖对裁判过程的“可见性”与“可理解性”;另一方面,司法大模型能够生成通俗化裁判说理,破解公众对于司法的认知壁垒,案件进展实时推送、在线查询、调解方案预测等,则能消除公众对于案件流程漫长的等待焦虑。这种“看得见”的正义不仅强化了司法权威,更培育了社会公众对法治的信任。
其四,促进数字社会治理。数字时代的社会治理亟需司法提供明确的规则指引,而司法大模型的应用能更好地拓展这一功能。如司法大模型通过分析纠纷趋势预警系统性风险;通过提炼裁判规则缺陷推动立法修法;通过数据协同,共享涉公共利益数据,从而赋能行政监管精准化。司法大模型通过激活“司法数据”的公共价值将治理延伸至社会前端。
(四)
司法大模型的系统化监督机制
司法大模型的深度应用,既有积极的司法效能,也存在着一定的问题和风险,甚至还会出现技术权力与公权力约束的制度真空,因此,亟待构建多层次、体系化的监督机制。
其一,优化人大政协监督机制,将技术供应商纳入法治监督框架。当前司法大模型多由司法机关与技术企业联合研发,但是,当企业算法决策实质影响司法公正时,却游离于人大监督之外。立法机关应通过专项立法明确技术公司的模型训练数据来源、价值预设、商业利益关联等必须向人大报备审查;政协可建立算法伦理评议小组,对涉及重大公共利益的模型进行年度合规性听证。
其二,完善咨询论证听证制度。传统听证会需增设技术伦理审查环节:对高风险应用场景(如AI辅助刑事裁判),要求技术方披露大模型的算法设计原理,并由法学、伦理学和计算机科学专家组成合议庭进行抗辩式质证;同时扩大公民代表参审范围,针对算法输出的社会公平性影响组织民意测验,使技术决策既经得起专业推敲,亦符合公共价值期待。
其三,创设算法公开与审计的监督体系。在保护商业秘密前提下,要求公开影响司法公正的核心参数;监管部门必须有权在算法造成损害结果之后,在必要的情况下,对相关算法进行有效的审计。同时应确立独立审计机制,由省级以上司法机关委托第三方实验室,对模型进行动态偏见检测,进行决策可复现性验证。
其四,激活社会舆论监督。一方面,建立算法问责的舆论响应机制,设立全国性司法AI监督平台,允许公众投诉模型错误案例并要求司法机关限时回应;另一方面,通过公民数字能力和法治素养工程提升社会监督质量,通过普法宣传、模拟操作等方式提升公众对算法原理的认知水平,使其既能识别模型侵权行为,又能有效运用监督渠道维护自身权益,亦避免因技术认知不足导致非理性舆论干预司法。
结语
司法大模型的勃兴,标志着数字时代司法范式从“人力依赖”向“算力驱动”的历史性跃迁。司法大模型在提升质效、统一裁判方面展现出革命性价值。在变革时期,应积极发挥司法能动性,为促进社会公平正义和新秩序的建立共享司法智慧和司法经验。然而,生成式人工智能飞速发展中也潜藏着深刻的悖论:当算法突破司法边界、侵蚀主体判断、消解事实价值辩证关系时,效率追求可能异化为对司法本质的背离——计算可量化正义,却无法承载司法的人文温度;算法可穿透程序壁垒,也可能瓦解权力制衡的法治根基。由此可见,司法大模型是数字司法的重要支撑,具有促进可视正义的重要功能,但它的局限和风险也需予以审慎对待和有效规制。司法大模型的终极使命,并非替代人类智慧,而是赋能人类智慧;并非替人办案,而是辅助办案。
原文链接
余圣琪|司法大模型的机制性重塑
