量刑智能辅助的本土实践——误区、机理与模式转换

一、问题的提出

近年来，我国司法领域智能化、信息化建设推展迅速，包括量刑智能辅助在内的各种刑事司法人工智能应用如雨后春笋般不断涌现，这一变革过程既是信息网络强国战略下“推动大数据、人工智能等科技创新成果同司法工作深度融合”的缩影，也是新时期刑事司法提升审判质效、缓解案多人少压力的内在需求。

然而，量刑智能辅助的实际效果却不尽如人意。例如，曾备受关注的贵州刑事案件智能辅助办案系统几乎未在刑事审判中得到充分应用；又如，部分受访法官、检察官认为上海市高级人民法院开发的“刑事案件智能辅助系统（206工程）”的技术无法支撑其参与复杂的事实认定工作，且复杂案件中侦查阶段难以完成繁杂的数据标注和扫描工作严重制约了该系统效能的发挥。对此，有学者敏锐地指出我国当前司法人工智能实践应用不充分、系统融贯不流畅，在技术探索、知识结构、算法发展领域存在断层现象，既有实践成果同可持续发展的制度逻辑之间并未形成科学有效的衔接；甚至还有学者明确指出人工智能裁判在中短期都较难全面、深入地推行。

如何破解这些困境成为值得探讨的问题。笔者认为，在当前背景下，我国的量刑智能辅助在构建逻辑和运用模式上都存在明显的误区，直接导致其面临一系列的技术瓶颈和法理障碍。为了激发量刑智能辅助的应有功能，确保实践探索走在正确的轨道，有必要对相关误区予以澄清。

二、偏离预警模式下量刑智能辅助的实践误区

检视我国量刑智能辅助的实践现状，可以发现其普遍采取的是偏离预警模式，即通过数据驱动的算法模型和类案检索机制来预测量刑结果，从而对法官量刑进行动态校准，以期保证量刑公正。例如，2017年海南省高级人民法院结合量刑规范化改革研发了“量刑规范化智能辅助系统”，该系统可以智能识别提取犯罪事实和量刑情节、自动推送关联法条和类案、自动依据历史量刑数据推荐量刑。这种偏离预警模式符合智能工具的使用思路，但是却存在以下误区。

（一）误区一：将量刑智能辅助等同于人工智能量刑

上述模式的首要误区，便是将“量刑智能辅助”与“人工智能量刑”（Artificial Intelligence Sentencing）等同视之，因为该模式下可以纠正法官量刑的外部力量只能依赖于“人工智能”。但是，这不仅压缩了量刑智能辅助的内涵与外延，还使得量刑辅助因为“人工智能”（Artificial Intelligence）的阶段性局限，而在法律伦理和风险防范等方面遭遇了难以突破的障碍。

首先，从技术运用角度而言，将量刑智能辅助等同于人工智能量刑，将共同面临人工智能在数据、算力和算法方面遭遇的障碍。例如，有学者提出司法大数据与人工智能应用“数据源—数据整合—知识构建”的一般思路。在该思路的指引下，量刑智能辅助系统的运行必须完成量刑知识图谱的构建、自然语言识别、量刑偏离预警等系列技术动作。然而，当前的人工智能技术通常无法准确、高效地完成法律知识图谱中的实体抽取、关系抽取与属性抽取等工作，案件知识图谱构建的速度和精度不足以支撑量刑辅助系统的全覆盖要求；此外，在量刑模拟训练和量刑偏离预警问题上，因为基础算法的科学性、权威性和透明性上存在难以排除的风险，其实际使用效果也会大打折扣。

其次，从诉讼程序角度而言，将量刑智能辅助等同于人工智能量刑，将挑战审制权威、消解当事人的诉讼权利。审判权是国家权力，在现代社会由国家独占，只能归属于我国司法机关。然而，人工智能量刑概念的出现，将会削弱审判权的独占原则，因为没有任何法官或者法院能够全面掌握数据统计与分析技术，也无法驾驭人工智能的精妙算法，只能借助于科技界和企业的力量，将智能裁判系统的开发外包给司法机关以外的其他主体，如此情形下与其说是法官运用智能系统进行裁判、不如说是智能系统将法官作为实现其算法价值和企业利润的“傀儡”，审判权外溢难以避免；那种试图通过参与开发、审计检查、刑事追诉等方式来保障人工智能裁判公平正义的措施，依然会因为缺乏“法律—科技”复合型人才而成为空谈。

再次，从法律伦理角度而言，将量刑智能辅助等同于人工智能量刑，将挑战司法活动的人类自主性和道德优越感，影响刑事裁判的可接受性。众所周知，人工智能的特点是“自主学习性”，如果将量刑智能辅助等同于人工智能量刑，则在某种程度上承认了基于数据喂养和算力、算法进步而不断更新迭代的这种“裁判辅助工具”将具有先于法官对案件作出判断的主导地位，在此情况下人类在司法活动中的自主性将受到极大制约，毕竟相关权利义务的被调整只是某种“参数”的运作或调整，而不是完全依托于法规范解释中的情感共识和生活经验。

最后，从风险防范角度而言，将量刑智能辅助等同于人工智能量刑，将使得司法现代化改革陷入“科林格里奇困境”（Collingridge’s Dilemma），最终丧失科技赋能刑事司法的“技术红利”。自1956年人工智能概念问世以来，虽然有欧盟《人工智能道德准则》（Ethics Guidelines for Trustworthy AI，又称为“可信赖AI的伦理准则”）和科技部《新一代人工智能伦理规范》等国内外规范准则的约束，但是这些规范准则多是原则性、倡导性规定，并未针对人工智能的算法模型等展开具体规制，特别是“基于风险”的监管模式还存在“权利”风险计量、风险效益分析缺失、封闭式风险分类导致涵盖过广或涵盖过窄等诸多困境。因此，将量刑智能辅助等同于人工智能量刑时，人工智能数据错误、算法偏见等潜在风险会延续到相关系统的开发运用中，并且长期难以解决，这无疑会黯淡量刑智能辅助系统的运用前景，当前学界对司法人工智能“谨慎乐观”的态度，正是这种误解下矛盾情绪的真实表达。

（二）误区二：将演绎推理作为构建逻辑

偏离预警模式下各量刑辅助的具体方案虽有不同，但是在构建的底层逻辑上却颇为一致，即以三段论演绎推理作为基础，希望通过强化规则的方法来保障类案均衡。例如，早期有些学者主张把犯罪事实和所有与量刑有关的法定量刑情节、酌定量刑情节以及专家型审判人员具体运用量刑情节的专业知识和经验整理识别为“如果出现这一状况，那就这么办”形式的量刑规则；然后通过人机对话系统，输入量刑案件信息，输出量刑结果。近些年来，随着人工智能等技术的进步，有人提出用“非单一线性逻辑法律推理”的方式来避免辅助系统的僵化机械，但是其“输入—输出”决策模式并未改变，只不过是增加了大小前提的识别总量，依旧看重量刑涵摄关系的提前确立。

不可否认，量刑的本质是司法决策，其量刑结果需要通过量刑规范（大前提）和量刑事实（小前提）之间的涵摄关系来确定；但是，演绎推理并非量刑过程的全部，以此为量刑智能辅助的构建逻辑，将会丧失系统运行的合理性基础。

首先，演绎推理无法独自展开具体情节的认定。众所周知，量刑规范（大前提）和量刑事实（小前提）的意涵通常具有模糊性和多元性的特征，除了演绎推理以外，还需要运用到归纳推理、类比推理、辩证推理等实质推理形式予以确认，这些推理形式是很难运用“非此即彼”的单一线性数理模型来描述的。例如，《刑法》第63条第2款酌定减轻情节的适用需要充分发挥辩证逻辑的作用，综合回答以下几个方面的问题：第一，案件事实是否真的具有特殊性，对其进行减轻处罚会不会引起连锁反应，从而破坏刑罚裁量秩序；第二，按照原有刑罚幅度予以判决，会不会造成司法权威和社会情理价值的尖锐冲突；第三，减轻处罚是否具有充分的刑事责任方面的根据，即社会危害性或者人身危险性确实很低，只是由于立法疏忽而无法在最低法定刑内得到妥善处理。

其次，演绎推理容易忽略量刑中的案外要素。曾经有理论认为，案外因素的介入是导致量刑偏差失衡的重要原因，故而需要尽可能地排除以保障量刑公正。演绎推理由于具备逻辑封闭的特征，故而在量刑改革中人们有意增强演绎推理的适用场景，以便增强量刑的制度刚性。然而，量刑并不能排除案外因素的影响，特别是预防刑的裁量尤其需要考虑性别、教育程度、婚姻家庭、治安环境等影响。司法工作者必须具备审时度势的能力，“让人民群众在每一个司法案件中感受到公平正义”更是蕴含着服判息讼、稳定大局以及回应热点的现实诉求。遗憾的是，由于演绎推理是在预设大小前提周延情况下的一种线性推导，不具备逻辑开放状态下反复甄别权衡的思维空间，故而不能有效吸纳处理纷繁复杂的案外因素，当然也就不能保证推导结论的完全正确。

最后，演绎推理容易滋生规则主义风险。规则主义是指以法律的确定性为法律适用的前提，排除法官的自由裁量权，严格依照法律条文的规定进行裁决的一种司法观念。现代司法早已对规则主义的弊端进行了充分检讨，那种寄希望于法律规则的逻辑严密而保障公平正义的自动实现无异于痴人说梦，可是刑法的精细化倾向和司法腐败的存在又不断给予规则主义内生的动力。例如，量刑规范化改革曾希望利用规范文件的严谨客观来克服因法官理性认知的不同而带来的量刑失衡问题。这种做法的弊端是显而易见的：一方面，任何规范文件都同样面临成文法的局限，刻意坚持量刑规范无疑有“削足适履”的风险；另一方面，规范文件不是量刑本体，自身科学性需要不断完善，文件能否得以长期遵循的根本条件在于经验记载的可靠与否，一旦两者冲突，前者的合理性将遭遇严重怀疑。

概括而言，演绎推理只是司法决策的基本框架，但是司法决策的大小前提还要运用到实质推理形式。量刑作为最重要的司法决策之一，难点并不在于量刑规范与量刑事实之间涵摄关系的确立上，而是在于法律规范解释的妥适性与量刑事实认定的准确性，后者所依赖的只能是辩证逻辑。遗憾的是，偏离预警模式中并无辩证逻辑的展示空间。

（三）误区三：将规范化文件作为设计蓝本

偏离预警模式的另一个重要特点便是普遍以量刑规范化文件为设计蓝本。如此做法虽然有利于相关系统更好地被实务部门所接受、更好地衔接量刑规范化改革的相关要求，但同时也延续了量刑规范化“量刑基准/量刑起点”设计不科学、量刑情节适用简单机械等问题，影响到了智能辅助系统的实际运行效果。

首先，规范化量刑方法量刑起点的设计科学性不足。2021年最高人民法院、最高人民检察院《关于常见犯罪的量刑指导意见（试行）》（以下简称《量刑指导意见》）规定，“根据基本犯罪构成事实在相应的法定刑幅度内确定量刑起点”，试图在排除所有法定或酌定量刑情节的影响下，通过对个罪犯罪构成的抽象来寻找出作为量刑起始标准的刑罚量。如此规定，存在以下几个问题：第一，《量刑指导意见》中对个罪量刑起点的划分，实际上是根据个罪基本犯、加重犯或再加重犯的犯罪构成进行的设计，将其笼统地称为“基本犯罪构成事实”容易引起人们理解上的混淆；第二，部分犯罪的构成特征决定了无法妥善区分“基本的构成事实”以及“其他影响犯罪构成的事实”，倘若对完整的、同一的某个犯罪事实进行人为拆分，不仅缺乏法律根据，也有违全面评价原则；第三，减轻犯也由犯罪构成事实所决定，也存在排除所有量刑情节的“量刑起始标准”，而《量刑指导意见》量刑起点的设计并未关照“构成减轻”的情形，而是将其全部作为量刑情节的一种，放置于基准刑的范畴中去调整处理，这不仅有违“减轻犯由定罪事实决定”的司法原理，也悬空了量刑起点的制度功能、限制了《量刑指导意见》罪名适用范围的推广。

其次，规范化量刑方法量刑情节的适用较为简单机械。根据《量刑指导意见》，量刑情节有“一般量刑情节”和“特定量刑情节”之分。对于前者，根据各个量刑情节的调节比例，采用“同向相加、逆向相减”的方法；对于后者，也根据各个量刑情节的调节比例，采用“部分连乘、部分相加减”的方法，在量刑起点基础上调节所谓的基准刑，甚至还将“被告人犯数罪，同时具有适用于各个罪的立功、累犯等量刑情节的”，也“先适用该量刑情节调节个罪的基准刑”和“确定个罪所应判处的刑罚”，再通过数罪并罚确定执行的刑罚。如此方法，实际上是既不区分案件是否为个罪与数罪、是否区分为基本犯与加重犯、减轻犯，也不问量刑情节是从轻从重处罚的还是减轻、免除处罚的，全部笼统地予以量化和一起运算，从而违背了刑法关于量刑情节制度运行和法定刑运行的立法规定，继而出现量化结果为“在法定最高刑以上”加重处罚的悖论局面。

最后，规范化量刑方法对非数额型犯罪的处理不尽完善。按照我国传统刑法学理论和司法习惯，对于同种数罪一般不予数罪并罚，而是按一行为从重处罚。因此，在同种数罪皆为既遂或者未遂时，按照《量刑指导意见》的规定进行量刑并无疑问，但是如果出现同种数罪部分未遂、部分既遂的情况，那么如何量刑的问题就变得复杂起来。例如，由于有相关的司法解释作参照，各地高级人民法院发布的实施细则在处理数额型犯罪的部分既遂、部分未遂时较为统一。然而，在非数额型犯罪中就不能照搬上述经验。因为评价被告人刑事责任的事实因素增加了，再加上犯罪形态与主体责任能力相结合等，不能再简单地以部分犯罪的既未遂情况来确定基准刑。《量刑规范化实务手册》（以下简称《实务手册》）对此的处理方式是：“应当以全部犯罪构成事实来确定基准刑，在此基础之上，将部分未遂、部分未成年人犯罪、部分从犯情节作为酌定从轻处罚情节，在定性分析的基础上，确定从轻调节的幅度，并对基准刑进行调节”。这就说明了“同向相加、逆向相减”“部分连乘、部分加减”的情节分步处理规则变得不再适用，而规则不能在内部实现融贯的现象又恰恰说明此量刑方法具有局限性，制度设计与量刑规律之间还存在一定的隔阂。

（四）误区四：将价值评价数据化

偏离预警模式的另一个误区便是试图通过价值数据化、价值程式化的方式做出所谓“智能裁判”，以此“辅助”法官的量刑活动。例如，有学者认为“人类正在进入一切皆可计算的时代”，通过信息采集、数据分析和设计算法完全可以实现司法决策的建模化，出现脱离于生物智能的“道德算法”“正义算法”。又如，有学者认为人工智能深度学习技术的飞速进步，可以将大千世界表示为“嵌套的层次概念体系”，价值就可以在这套体系内通过数据的形式实现经验性的穷尽，然后通过数据集和“决策树”（Decision Tree）等算法程式来完成独立的司法决策。

在笔者看来，以上主张脱离了“价值”相对于主体而存在的关系范畴，缺乏对“价值评价”的多维考察，不仅消解了人们因反省“法机械主义”“法规则主义”所积累的理念共识，也增加了人类社会在智能技术面前丧失话语权和主导权的隐忧。事实上，法律适用中价值判断的主体只能是人类（法官），而不能让渡给任何人工智能技术或主体，即便是人工智能技术发展到“强人工智能”阶段，甚至超越了人脑的智识程度，也不能突破这种价值评价的主体藩篱。

首先，“价值评价”是关系范畴，呈现为客体相对于主体“人”的效益关系的表达，是“人性”的体现，任何独立或者模仿“人”的所谓“价值评价”，都不具有其原本的真实性。数据化的“价值算法”虽然也能得出某种评价结果，但是该结果并非人类自身基于其“精神观念”或“主体属性”而做出，最多只能算作是对人类已有的价值评价现象的一种归纳总结与高度模仿，不会是人类主体在改造世界的实践中所产生的真实结论，不具有互动性和再创造性。

其次，“价值评价”是社会共识，表现为人类社会在发展变化过程中形成的某种“集体感悟”“历史经验”“普遍情感”，不应当由拥有某种智能技术的企业或个人来垄断描述，更不能够由其开发的“人工智能体”来主导。以刑法中“猥亵”“淫秽”等规范性概念为例，对其解释凭借的不是修辞学更不是符号学，而是社会共识——某种涉性行为会不会对人们普遍遵守的性道德和性风俗产生危害，从而动摇社会生活的基础。这种共识同一个民族长期以来的人文传统有关，只能够在产生它的民众中去表达和传递，而不应当由某种“智能化”的算法程序来提供，后者不仅达不到穷尽所有经验性知识的技术能力，也不具备代替民众发言的正当性基础。

最后，“价值评价”是动态互动的过程，无时无刻不在发生流变与更新，由智能程序事先设定的“价值算法”必然无法有效应对这一现象。有学者认为人工智能技术对价值评价的数据化本质就是对以价值为核心词汇的经验性知识进行穷尽，把“公平”“正义”等词语转化成可以用属性特征来观察的词语，然后对其特征向量进行描述标记，从而完成价值评价的数字化。但是，这种做法除了前面所提到的技术难度和正当性缺陷外，还忽略了“公平”“正义”等价值词汇无限丰富、不断变化的内涵。倘若将相关程序设计成开放、动态的算法模式，又会极大增加系统出错的风险，可谓两难。

三、机理重识：量刑智能辅助的运用前提

笔者认为，上述误区的形成源自于理论基础研究的相对薄弱，部分做法背离了量刑本质及其规律，以至于无法有效嵌入量刑实践，影响到其应有功能的发挥。鉴于此，有必要重新探讨量刑智能辅助的运行机理，正本清源方能行稳致远。

（一）量刑智能辅助应做超越人工智能量刑的理解

概念是反映事物本质属性的思维形式，且“一个探索者在任何领域里的工作，总是从该领域中有用的语言和概念开始”。故而，在此有必要对量刑智能辅助的概念予以澄清。

所谓“智能”，古汉语中是指某种心理活动和才情，现代汉语中“智能”有“智慧”“能力”等意思，也指人们在智性认知活动中具有的实践性、分析性思维。所以，从词源上看，“智能”主要由描述对象的智慧性和能力性两部分组成，是愚昧、盲目、非理性的对立范畴，并存在着从低级到高级、从落后到先进的进化论意义，不能直接看作是“人工智能”的简称。考察各国司法实践，其量刑智能辅助系统的开发应用也均反映出上述旨趣。

例如，荷兰自20世纪末便逐次建立起审判的“决策支持系统”（Rule-based Decision Support System）、“法官量刑系统”（Sentencing Systems for Judges and Prosecutors），这些系统的目的是方便法官裁量时进行类案检索，而非矫正或监督法官的量刑活动，其技术特征是数据库链接，并非某种AI算法，目的在于提高类案检索的准确度；又如，澳大利亚新南威尔士州2003年后建立起“司法资讯研究系统”（Judicial Information Research System），该系统并不介入法官的自由裁量权，也非量刑的监督者，而是一个提供相互关联的超链接的单元查询系统（或数据库），将法律图书、法律条文、案例等收纳其中，法官随时可以进入系统查询自己需要的资料，以及类似案件的判决结果，借此提高法官裁判的效率，其中也没有人工智能的显著痕迹；再如，作为所谓人工智能量刑典型代表的美国COMPAS系统，其仅是刑事司法评估工具系统发展到第四代的风险评估软件之一，在此之前还有暴力犯罪评估指南系统（Violence Risk Appraisal Guide）、联邦审前风险评估系统（Pre-Trial Risk Assessment Tool）、历史/临床/风险管理—暴力犯罪再犯风险预测系统（Historical，Clinical，and Risk Management Violence Risk Assessment）、水平估量表（Level of Service Inventory-Revised）等，这些系统的基础算法并无明显的人工智能特征，但是都可大幅提高再犯预测的科学性。

事实上，量刑智能辅助之“智能”就应理解“智慧”与“能力”，而不能狭隘地理解为“人工智能”，其中“智慧”是指量刑合理性与科学性的提升，意味着在某种制度或技术加持下，对量刑事实更为详细准确地分析、对量刑标准更加清晰稳定地掌握、对量刑经验更加有效妥善地运用以及对量刑说理更加透彻严谨地展示等；“能力”是指量刑规范性与高效性的增强，意味着在某种制度或技术的加持下，量刑程序更加透明规范、量刑更有效率。

换言之，量刑智能辅助所追求的绝非量刑自动化或量刑数量化，更非利用人工智能技术去替代法官自由裁量权的行使；相反，智能辅助是利用前沿科学技术“赋能”刑事司法，使得法官的自由裁量权有更为全面的判断素材、更加充分的裁量理由，从而弥补法官个人经验和学识的局限。因此，任何可以提升量刑“智慧”与“能力”的技术手段都可以作为量刑智能辅助的手段，而不应仅仅限于“人工智能”。

（二）量刑智能辅助应以量刑本体为构建基础

如前所述，人们在演绎推理的基础上将量刑规范化文件作为量刑智能辅助的设计蓝本，这种做法没有认识到量刑规范化也只是对量刑本质规律的探索之一，并非量刑本体；改革过程中的试错和改错会给量刑智能辅助的构建运用带来极大的不稳定。所以，量刑智能辅助的构建基础还是应当回到量刑本质规律上来，即必须以量刑本体作为其技术发生的前提。

所谓量刑本体，即为量刑之根本实体，是指在运行规律上将适用于一般对象的抽象法律规范适用于具体个案、具体犯罪人，并上升为理性具体（法律真实、相对真理）的司法活动。这个活动不是法律规范的简单具体化，而是法律规范与具体案情、犯罪人的具体情况甚至刑事政策所结合的综合体，是一般化（共同法律规范）指导下的个别化（与犯罪的刑事责任相匹配）活动。以量刑本体作为量刑智能辅助的构建基础，应当注意以下几个方面的问题：

第一，量刑智能辅助不仅是针对宣告刑而进行的，而应覆盖量刑的整个过程。量刑过程，简而言之就是从量刑开始到量刑结束的经过，该过程不是法律规范的简单具体化，而是法律规范与具体案情、犯罪人的具体情况甚至刑事政策所结合的综合体，是一般化（共同法律规范）指导下的个别化（与犯罪的刑事责任相匹配）活动。这决定了，量刑智能辅助不能将目光仅局限于量刑情节如何适用的宣告刑裁量，还应当覆盖到量刑起点确定等其他阶段。事实证明，量刑起点（量刑基准）的合理确定是量刑公正的首要保障，中线论、分格论、形势论等理论争议甚至量刑领域的“点幅之争”，均同量刑起点的确定有关；如今，大数据、云计算等技术进步使得个罪量刑起点具备更加坚实的实证基础，可以为法官的裁量提供可视化的信息，勾勒出犯罪同刑罚之间的报应关系，没有理由将其排除在量刑辅助的范围之外。此外，我国刑法仅对数罪并罚的标准做了原则性规定，法官对具体个案进行裁量，量刑规范化改革对此也无能为力，导致数罪并罚的裁量依然存在失衡的风险；利用量刑辅助手段为数罪并罚结果的合理性提供强有力的科学支撑，无疑才走完了量刑公正的“最后一里路”。

第二，量刑智能辅助的能力源自于量刑经验的集体呈现，而非数据算法的再创造。量刑规范化改革中曾有一种错误倾向，即认为规范化的涵义就是排除法官个人的经验适用，而在量刑步骤、量刑幅度上采取相同的标准。事实上，量刑经验不仅是量刑知识的内在来源，也是量刑公正的内在支撑，包括量刑规范化在内的一切量刑实践都以量刑经验的合理运用为力量源泉。所以，量刑智能辅助应尽可能地用科技手段真实全面地反映量刑经验，无论“辅助”的具体方式是数据分析、类案推送还是信息提示，其本质都应当是量刑经验的收集和提炼，这同司法解释、规范性文件、指导性案例的诞生机理是一致的。

第三，量刑智能辅助应当拓展自由裁量的适用空间，是对自由裁量权的“赋能”，而不是限制或者替代自由裁量权的发挥。人类法律实践一再证明，严格规则主义不可能实现良法善治，纯粹演绎逻辑的僵化机械不足以应付纷繁复杂的现实世界，只有赋予法官自由裁量权才能够保持法律稳定性与灵活性之间的平衡。然而，自由裁量在我国刑事司法中却呈现出保守的一面，法官囿于社会舆论的压力、裁判说理的负担、错案追究的隐忧，通常不会给予个案特性以足够的关注，更谈不上运用自由裁量在法定刑幅度内或者幅度外进行个别化的处理。量刑规范化改革注意到了这一现象，并且以规范和总结自由裁量为重要任务，然而改革中以量刑规则设置为研究对象的实证性论证缺乏持续性和周期性，由此导致量刑规范与法官自由裁量权之间依然存在紧张的关系。量刑辅助的出现，使得法官在进行自由裁量时拥有了更多成熟定型的司法经验，在参考案例以及司法政策中获得更多的比对依据；只有通过一系列的对比，法官才能在内心形成一种确认，即刑法的“网开一面”不会造成司法权威和公众情理之间的尖锐冲突。与此同时，量刑辅助的海量司法数据还能够塑造个案审判与上下各级、不同地域类案裁判的平衡与默契，使得司法经验在区域、人口、经济、文化、宗教等更加广阔和宏观的层面实现汇聚，从而促进自由裁量更加精准科学。所以，量刑智能辅助的目标是拓展自由裁量的适用空间，更好地遵循具体问题具体分析的量刑个别化原理，而不是实现所谓的“量刑一般化”。

（三）量刑智能辅助应排斥任何形式的司法决策

量刑智能辅助，顾名思义是在量刑活动中起辅助作用。人们纷纷从法理维护层面和风险防范的角度，对其辅助地位予以证成。例如，有学者提醒，刑事案件的审理还需要理解纷繁复杂证据背后的“天理人情”，否则可能作出冰冷僵硬、看似合法的“错案”，应将人工智能技术的运用限定于案件事实认定清楚、罪名确定之后的量刑程序，通过人工智能技术运用提出量刑建议，由法官最终作出裁判。2022年最高人民法院发布《关于规范和加强人工智能司法应用的意见》，在指导性文件中以“基本原则”的形式明确规定“坚持对审判工作的辅助性定位和用户自主决策权，无论技术发展到何种水平，人工智能都不得代替法官裁判，人工智能辅助结果仅可作为审判工作或审判监督管理的参考，确保司法裁判始终由审判人员作出，裁判职权始终由审判组织行使，司法责任最终由裁判者承担”。

然而，如何防范量刑智能辅助突破实践边界则是鲜少引起关注的问题。显而易见的是，偏离预警模式的本质是利用智能技术进行的独立司法决策，故而无论该决策是具有“指导意义”还是“参考意义”，都会突破其“辅助”的实践边界，在冲击司法伦理的同时也会带来不确定的风险。

首先，“偏离预警”是量刑一般化的表达，是利用类案数据和算法模型总结出来的统一标准，它并不能完成个案裁量最后的“个别化”任务。量刑原理告诉我们，刑罚的裁量是同犯罪行为的社会危害性和犯罪人的人身危险性相适应的个别化结果，尽管在规范适用和裁量标准上坚持共性和统一，但是在落实到具体个案时则受到情况各异的量刑情节的关键性影响。所以，量刑结果的“偏”或“不偏”，核心在于个案裁量过程中法官是否做到了“以事实为根据、以法律为准绳”，是否坚持了罪责刑相适应原则，而不在于能否准确“嵌套”进某个“结果模型”或者“预测范围”之内。以“偏离预警”的方式给法官提供所谓“参考”，实际上忽视了个案的独特性，反倒容易干扰法官的正确判断。

其次，“偏离预警”相当于在案件外部完成了一次“司法决策”，而“司法决策”因其较高的理性需求，很难完全寄希望于某种数据或算法。司法决策是在演绎逻辑无法直接推导且需要明确法律问题和其他问题之边界时所进行的司法活动。量刑是典型的司法决策，经常存在着政策性的导向，尤其是在面对金融、医疗、教育等领域的复杂疑难案件时，法官会利用辩证逻辑和制度感悟在法条的解释推理之外思考与案件相关的各类问题，即在生成裁判的过程中，基于对传统与变革、制度与文化、社情与民意、秩序与效率以及民众公平正义底线的把握能力，对不同裁决选择项可能引发的各种结果所作的预判。很明显，算法难以观察复杂司法决策背后的思维活动，也就难以准确“预测”出符合多方要求的量刑结果，坚持这种实践进路无疑有“强人所难”之嫌。

最后，“偏离预警”在权源上缺乏正当性根据，其居高临下的姿态是对审判独立原则的侵蚀和消解。一方面，这种依靠算法数据来监督审判权的行使的行为，于法无据；另一方面，所谓“预警”在某种程度上可以看作是一种警告，即通过量刑结果的对比向法官暗示着“量刑失误”的可能，这种压力在错案终身追究的当下得以倍增，使得法官不敢轻易背离“预测结果”而作出个别化的刑罚裁量，毕竟“数据留痕”比白纸黑字更易保存和调取。但是，如此对依法独立行使审判权形成的侵蚀和消解则会逐步扩大，“参考建议”就会突破其辅助边界，成为凌驾于事实和规范之上的“技术紧箍咒”，刑事司法中的自由裁量恐沦为空谈。

四、信息提供模式：量刑原理下的优化选择

以上原理表明，量刑智能辅助的发展完善不能再延续偏离预警的老路，因为该模式始终无法跳出演绎推理的窠臼，最终只会导致案件外部的独立决策。笔者认为在数据利用技术不断突破的情况下，信息提供模式当是我国量刑辅助的不二选择。

（一）信息提供模式的基本概念

所谓量刑智能辅助的信息提供模式，通常也称为“量刑资讯系统”（Sentencing Information System），其特点是建立多种类型的数据库，包括但不限于裁判文书数据库、案件总结数据库、数据资料数据库、精选案例数据库、规范数据库、机构数据库和出版物数据库等。这些数据库为法官量刑提供了充分的参考信息，但是不会对最终的量刑结果产生任何预判，这就保障了法官的自由裁量权，更加符合量刑规律，也是世界各国量刑改革的通行做法。例如，澳大利亚新南威尔士州由统计建立“量刑资讯系统”，作为法官裁判的参考依据，以期降低量刑的差异性，2003年之后，该系统进一步扩充整合，升级为“司法资讯研究系统”，并成为量刑实践的重要辅助工具。2001年荷兰成立了专门委员会，负责提供法院使用的资讯科技基础设施的建设，同年荷兰司法机关便与资料库（Consistent Sentencing）链接，在该资料库中法官输入犯罪行为、前案以及年龄等基本参数以搜寻相关案例。

事实上，经过较长时间的司法信息化建设，我国建立量刑信息系统的条件在日趋成熟。2013年最高人民法院印发《人民法院信息化建设五年发展规划（2013-2017）》，明确提出建设国家司法审判信息资源库，决定筹建全国法院数据平台。在最高人民法院的牵头下，全国法院系统建立了数据自动生成、数据质量保障、数据比对反馈、数据动态展现等四类数据管理机制，初步实现了全国法院数据的自动入库、自动质检、自动反馈数据质量和自动计算等重要的数据汇聚功能；2016年7月，数据集中和管理平台升级为大数据管理和服务平台，可从审判业务数据自动生成11大类153套2.2亿组司法统计图表。以此为基础，专业化的量刑信息系统的建立指日可待。

（二）信息提供模式的具体优势

信息提供模式的核心要义是提供参考信息而不是替代决策，因此其相较于偏离预警模式而言具有以下几点优势：

1.信息提供模式可更好融入量刑本体

由于量刑信息提供模式是对量刑过程中所产生的各类资讯信息的整合利用，而不是对宣告刑进行预测，因此其并不需要额外创设某种量刑模型来驱动系统的运行，只需要根据量刑不同阶段的步骤和任务，分门别类地提供参考信息便可。如此，便可更好地融入量刑本体：第一，个罪的量刑起点是类案判决大数据的整合结果，是对行为违法量在相对稳定时空环境中的归纳，而非借用规范化文本而单独设定，不仅避免了量刑规范化改革中量刑起点设计不科学的问题，还能够根据量刑实践的变化对量刑起点进行实时调整，兼顾了量刑辅助的稳定与灵活；第二，量刑情节对量刑起点的调节不是通过所谓“同向相加、逆向相减”的方法予以计算，而是以类案比较的形式全面呈现给法官，由后者根据本案的特殊情况予以参考取舍；第三，量刑情节信息的提供（例如行为人的性别、年龄、教育程度等）实际上也是为量刑提供证明依据，举证方亦可通过类案中的影响要素来佐证自己的主张，从而为量刑辩论提供对象和空间。

2.信息提供模式可以弱化数据污染问题

众所周知，量刑数据的挖掘整理并非易事，其不仅要解决数据非结构化的难题，还要在数据清洗中排除裁决错误、关键词屏蔽、错漏标注等带来的数据源污染问题，而对此所采取的数据分级、过程监控、污染数据识别等质量管控措施，无疑会形成更多的技术节点和资源消耗；同样，算法的创新与算力的提升亦不能自动解决长期以来人们所讨论的算法歧视和算法黑箱问题。所以，在端（数据喂养）到端（算法推导）的偏离预警模式下，即便采取生成对抗网络（GANs）、自回归模型、变分自编码等来消除数据接收阶段的主观缺陷，也还是无法刺破因专业难度壁垒所形成的“技术铁围”，量刑因果推断模型的可解释性障碍依然存在。若采取信息提供模式则可避免上述痛点，因为该系统的可靠性主要取决于数据采集的直接性和广泛性，而不是算法推导，故而个别化的数据清洗错误或者标注错误也不会对量刑整体状态的描述产生影响，更不需要复杂的质量管控措施。例如，某个量刑畸重的裁量结果会被作为异常予以标注，而不会被作为基数来影响量刑均值的计算。

3.信息提供模式可以规避价值评价数字化的伦理风险

如前所述，量刑预警模式的背后是对正义价值的智能换算，这种将人类普遍意识情感和复杂情理纠缠的范畴代码化的做法，无疑挑战着人们的伦理底线：一方面，正义具有丰富的价值内涵和理论体系，但没有明确的位阶图表，更没有统一的标准，这同算法的严谨步骤本就存在逻辑冲突，更何况算法是否有能力将所有权益平衡、道德考量均予以转换，更是值得怀疑；另一方面，正义的实现要依靠动态的司法过程，该过程既包括刑事政策的能动运用，也包括控辩审三方面对面的情感交流，可是算法决策并不能体现这种人际互动，相反会消解程序的中立性和对等性，并以相对神秘的姿态完成对公民正义观的重塑和驯服，这必然会引起人们对审判正当性的怀疑与反感。量刑信息提供模式的任务是确保将大量一手的、新鲜的量刑信息归纳整理到法官面前，而不是在法官以外创设一套独立的量刑体系来预测量刑结果，故而也就避免了价值评价数字化的伦理风险。

4.信息提供模式可以消解审判权外溢的制度风险

更值得强调的是，信息提供模式可消解量刑辅助过程中审判权外溢的制度风险。也许有人会提出，信息提供模式也是给法官呈现类案判决的信息，这些信息也会影响法官的裁量结果，依然会造成审判权的外溢。这或许是对信息提供模式的误解：第一，法官的任何量刑活动都要有大量的参考依据，常见的有典型案例、指导性案例、本院或他院的相关判决等，不能说法官参考了其他信息，就是干预了审判权的行使；第二，信息提供模式的最后任务是呈现量刑信息，而不是直接给出建议，这同偏离预警模式下假借“集体经验”而对法官施加心理压力存在明显的不同；第三，由于量刑信息都是原始且裸露的，法官可以轻易地寻找这些信息与特殊个案之间的不同，从而排除参考而独立作出决策。所以，信息提供模式同偏离预警模式存在着本质不同，人们对于审判权外溢风险的担忧可以就此消解。

（三）信息提供模式的具体展开

当然，理论自洽并非模式转换的终极意义，切实可行的方案设计更显重要。笔者认为，信息提供模式的展开不仅要借鉴域外优秀案例，更要立足于本土实践、关照司法传统，在核心步骤设计、重要技术节点上对应量刑基础思维，注重刑事诉讼场景上的适配性，方能避免“水土不服”或“自说自话”的窘境。

1.信息提供的核心：量刑基准

所谓量刑基准，理论界颇有不同认识，其中有量刑根基说、量刑原则说、量刑方法说等，然而在回归本土语境和刑法实践后，量刑基准应当指根据具体个罪的犯罪构成事实所确定的用作量刑起始标准的刑罚量。规范化改革中所提及的量刑起点是其功能表现，基准刑是其数概念和数量要求。可以发现，量刑基准对应的是犯罪行为不法的刑罚量，是人们在长期实践中约定俗成的共识，作为量刑辅助系统，应当尽可能地捕捉这种共识，并为法官提供量刑起始的标准量。

在量刑规范化改革中，常见犯罪的量刑基准以量刑起点的形式通过规范文本予以确认，但是这种确认的说服力极其有限：第一，没有证据表明这些常见犯罪的量刑起点进行过全样本的分析；第二，在有限的分析样本中，没有对不同地域、不同环境下的同种犯罪量刑展开有效比对；第三，调研没有解释是如何排除量刑情节影响而还原量刑“裸值”的。

笔者认为，随着数据融通技术以及分析算力的提高，可以采取“众数分析”的方式还原量刑基准。所谓众数（Mode）实乃统计学名词，意指同一组数据中出现次数最多的数值，有时候为一个、有时候为多个。众数的意义在于可以在观测样本中取频次最多的数值，避免极端数据对测评结果的影响，所得到的数值可以最大程度地反映被检测事物的最普遍情况。这种特性对于量刑领域的实证研究而言意义重大。

首先，什么样的刑罚才能符合公众朴素的正义情感、才能满足刑法惩治和预防犯罪的需要，曾经是人们难以回答的问题，通过对某类犯罪所判刑罚的众数分析，可以直观地得到一个结论，并且该结论反映出了大多数人的共识，从现实主义的角度出发，这一个或几个刑罚量就是最符合量刑公正要求的刑罚量。

其次，由于众数理论是对样本的直观分析和考察，不必运用过多的实证技术或者计算公式，也不必进入样本内部进行量刑过程的还原，这就排除了调查人员主观思维的干扰，所获得的数据也能够更加真实和有效。

再次，利用众数理论进行量刑活动的实证研究，有利于扩大实证研究的对象范围，因为“众数”的意涵便是同一组数据内出现频次最多的数值，只要类似案件可以组成一个数据组，我们就可以知晓该类案件量刑的通常情况，从而打开了量刑实证研究的方便之门。

以盗窃罪的量刑为例，根据我国《刑法》第264条的规定，盗窃罪被立法设定为基本犯、加重犯和再加重犯，对应了三个不同的法定刑，这就意味着在量刑信息系统的案例数据库中，盗窃罪的案件对应着三组不同的量刑众数。例如，盗窃数额较大的、多次盗窃、入户盗窃、携带凶器盗窃或者扒窃的，其量刑众数经统计可能呈现为一年左右的有期徒刑或者拘役，这就代表着该刑罚量基本符合人们普遍的正义感，并且能够满足打击和预防犯罪的需要。但是量刑辅助系统所给出的量刑众数还不能直接作为法官的量刑依据，法官还应当根据案件的事实情况予以具体分析和处理。因为纵然是盗窃的基本犯，在犯罪的客观方面和主观方面还是存在着许多差异的，譬如在同属数额较大的范围内，盗窃1000元和盗窃3000元的社会危害性便是不相同；同理，一个月内三次盗窃和两年内三次盗窃，所反映出来的犯罪的社会危害性和犯罪人的人身危险性也有着明显区别。故而，在量刑众数面前，法官仍然需要启用审判经验和量刑智慧，在辩证看待案件差异性的基础上做出具体的判断；倘若庭审过程中当事人存在疑问，法官在裁判文书中还应当将相关量刑过程予以说明和阐释。

2.信息提供的方法：分段辅助

总结量刑规律，量刑过程可以大致分为如下几个阶段：首先要通过定罪，确定该罪名的基本犯或加重犯或减轻犯，从而找到作为量刑起点的量刑基准；再由此根据个罪个案的量刑情节分阶段处理。其中，个罪个案的量刑情节为“犯罪情节轻微”和“不需要判处刑罚”或“可以或应当免除处罚”的，对本个罪作出“免刑”处置，即作出免于刑罚处罚或给予非刑罚处罚或单纯宣告有罪的裁处；个罪个案情节为“可以或应当减轻处罚”的，对本个罪作出“处断刑”处置，即确定下个量刑幅度的具体法定刑，并以此作为本个罪宣告刑处置的量刑基准；个罪个案的量刑情节为“可以或应当从轻或从重处罚”的，对本个罪作出“宣告刑”处置，即在定罪或处断刑确定的具体法定刑（量刑幅度）内，综合各从轻或从重量刑情节对社会危害性和人身危险性的作用力，基于刑法关于刑法的目的和任务规定的精神，结合宽严相济的刑事政策，裁量出本个罪的宣告刑。鉴于此，量刑智能辅助也应当贴合这种层次递进的量刑过程，分阶段地发挥辅助作用。

（1）具体法定刑和处断刑裁量阶段的量刑辅助

笔者认为，量刑的初始阶段应当从明确具体法定刑开始，只要所认定的犯罪构成事实全面真实、证据确实充分，那么其所对应的基本犯、加重犯或者减轻犯的法定刑幅度就是本案个罪用作量刑时起始标准的刑罚量，即量刑基准；笔者反对量刑规范化改革中在法定刑幅度范围内寻找“量刑起点”以此作为量刑起始标准的做法，因为这无疑架空了具体法定刑落实罪刑法定及罪刑均衡原则方面的制度功能，也使得刑罚报应丧失个别化的基础，本质上属于量刑领域的“二次立法”。事实上，犯罪构成事实就是定罪事实，就是用来对接刑法关于犯罪成立要件规定予以定罪评价的，无所谓“基本的”与“其他的”之分，它一体发生、一体评价，在确定个罪具体法定刑时发挥着决定性作用。

由此可见，作为量刑起点的量刑基准在实践中表现为个案个罪的具体法定刑幅度。然而，这种具体法定刑幅度需要为量刑活动的继续开展进行相应转变：一是，多数犯罪的法定刑幅度包含多个刑种，从轻、从重情节的适用需要有具体到刑种的标准；二是，在没有任何减免情节或者从轻从重情节的情况下，具体法定刑便需要从“幅度”转变为“点”，以完成个罪裁量。本阶段量刑信息系统的作用就是为量刑基准的转变提供坚实可靠的现实依据。

第一，个案个罪的量刑结果千差万别，反映出犯罪主体不同的人身危险性以及不同区域不同时期法官对刑事政策的不同理解，但是在较为宏观的层面保持着同类案件的相对均衡，这种均衡依靠人力无法准确观察和统计，但是凭借智能辅助系统的全样本考察和大数据分析，则可以勾勒出完整的量刑图谱，将一定时期内不同地区同类案件的量刑结果予以呈现。

第二，这种呈现并不依靠量刑模型训练来进行预测，仅通过“众数”反映已有量刑的真实情况，即在无减免情节或者从轻从重情节影响下刑罚量的规律性反映，这些规律性的反映不需要复杂的算法，只需要保证样本的全面和数据的真实即可，技术上具有可实现性。

第三，众数范围内量刑结果可能呈现为单数点、复数点或幅度等多种形态，但无论众数以何种形态存在，都是量刑经验的普遍性体现，具有较强的参考意义。

（2）宣告刑裁量阶段的量刑辅助

宣告刑的裁量方法主要体现为相关法律决策的法律论证方法。量刑智能辅助正是在这个意义上被使用：

首先，量刑辅助保证量刑情节适用的全面性。法律论证的要义是在法律决策的接受者之间形成“共识”，那么这种“共识”就应当包括有关决策的所有细节问题，包括量刑情节适用的起始条件。以酌定情节的选取为例，哪些事实可以成为反映刑事责任升降的情节，在过去是一个全凭法官主观判断的过程，仅能依靠常识常理常情为其正确性提供保障；量刑辅助系统的出现，则可以通过规范梳理、案情分析、政策解读、类案比较、形势研判等方式，为酌定量刑情节的选取适用提供精准可靠、客观充分的决策信息。这些信息打破了司法专业壁垒，发挥出学科融合的巨大优势。

其次，量刑辅助完善量刑情节适用的程序性。量刑情节适用具有程序性是量刑规范化改革的应有之义，围绕量刑情节的证据进行举证质证和法庭辩论，才能撇清法官个人的偏见，让量刑结果更具可检视性和说服力。然而，受司法文书语义模糊、表达简陋的影响，以及证明手段的阙如，实践中很难充分对“情节恶劣”“情节特别恶劣”“造成严重后果”“造成恶劣社会影响”等量刑情节展开举证质证和法庭辩论。量刑辅助系统的出现，可以为上述情节的举证质证提供全面的信息支撑，相关证明责任和义务便得以落实。

最后，量刑辅助增强量刑情节法律论证的修辞性。既然法律论证的正确性取决于人们能否就该论证结论达成一致共识，那么语言词汇应当发挥相当重要的作用。从目前的情况来看，我国法庭对于司法实践中的语言修辞并不算重视，常常表现为套话、空话、法条以及事实的堆砌。例如，我国的刑事判决书中经常是这样的：“上述证据均经当庭质证，查明来源合法，内容客观真实，能够作为定案的事实依据······应予追究其刑事责任······鉴于被告人······为贯彻宽严相济的刑事政策，本院决定对被告人判处······”量刑辅助系统可以为裁判说理提供实证基础，通过类案比较、趋势分析和后果评估的方式，让语言修辞切实发挥类案回应和司法伦理叙事的功能，从而减少当事人认知层面的“确认偏误”，提高裁判的社会认同。

结 语

司法现代化是中国式现代化的重要组成部分，量刑智能辅助的发展运用是量刑领域现代化改革的发展趋势。芝加哥大学莫里斯（Norval Morris）教授早在20世纪50年代就指出，在量刑改革浪潮中，以法官为中心、信息驱动的量刑系统将会逐步成为量刑改革的核心。信息提供型的量刑辅助系统会同我国已有的量刑规范性文件、指导案例制度一起，成为我国量刑的有力辅助。然而，任何新兴事物的出现都会经历蜿蜒曲折、逐步前进的过程，既不能因为某种障碍的出现而放弃科技发展带给刑事司法的红利，也不能因为政策导向或者利益驱动而忽视基础理论的建设，盲动躁进、刻意求新。信息提供型的量刑智能辅助模式是现阶段较为符合我国国情和科技发展水平的量刑辅助模式，其彻底地成熟成型并推广运用，还离不开技术的突破创新，信息提供的全面、细致将是量刑智能辅助系统未来发展的关键。