0 引言

随着人工智能技术的快速发展，其在法律领域的应用日益广泛，推动了司法智能化进程。法律判决预测作为智能司法中的核心任务之一，主要包括法条推荐、罪名预测和刑期预测^[1]。其中法条推荐和罪名预测已取得显著进展^[2]，但刑期预测仍面临较大挑战，准确率提升较为缓慢。刑期预测任务的目标是根据案件事实描述来预测被告人的刑期时长。一些研究通过提取结构化的犯罪特征进行回归预测^[3]，虽然特征提取方法在文本分类任务中具有较好效果，但是案件属性的稀疏性问题也限制了模型的表现^[4]。大语言模型凭借其优秀的上下文理解能力，已在法律文本分析中取得良好效果^[5-6]。此外，使用类案辅助的方法在提高刑期预测精度方面也具有积极作用^[7]。

法律条文是司法裁判的核心依据，但同一罪名的量刑结果可能因个体差异而有所不同。最高人民法院发布了量刑指导意见，明确了“定性分析为主，定量分析为辅”的量刑原则。针对这一现实需求，本文提出一种结合大语言模型与类案辅助的刑期预测方法，模拟真实量刑流程以提高预测准确率，构建了具有时空属性的类案库，并引入思维链(chain-of-thought，COT)方法^[8]，提升模型的推理能力与可解释性。该方法首先依据法条和事实描述确定量刑起点，其次结合时空类案确定基准刑，最后通过思维链推理微调得出最终宣告刑。主要贡献包括：1) 提出融合大语言模型与类案分析的刑期预测方法，提升模型的逻辑性与可解释性。2) 构建具有时空信息的类案库，更贴近实际司法背景，有效提升预测精度。3) 构建符合司法逻辑的量刑推理结构并进行充分实验，验证了方法的有效性与泛化能力。

1 相关工作

近年来，法律判决预测任务主要依赖人工方式处理犯罪事实文本，通过人工提取案件属性后使用传统机器学习方法进行预测^[9]。然而，人工处理方式泛化能力较弱且成本高昂，同时法律案件的属性多样但单个案件的属性却有限，导致特征矩阵稀疏，影响预测性能^[4]。为解决这些问题，一些研究逐渐转向自动化特征学习方法。例如，文献[10]提出了基于深度门控网络的刑期预测方法，通过长短期记忆网络(long short-term memory, LSTM)^[11]进行序列建模，从而有效表示案件事实。2017年，Transformer^[12]架构的提出带来了自然语言处理的新范式。由于法律判决任务涉及长篇犯罪事实描述，Transformer成为该领域的基础架构，广泛应用于文本建模任务。文献[13]结合卷积神经网络(convolutional neural network, CNN)^[14]和注意力机制构建了多任务协同学习框架，提高了自动化特征学习效果。

随着预训练语言模型的快速发展，其在法律领域也展现出卓越性能。例如，文献[15]提出的Lawformer模型能够有效处理法律领域的长文本，其作为预训练模型中参数量更大的大语言模型，在法律判决预测中应用广泛。为进一步提升大语言模型的能力，文献[8]提出思维链方法，通过给定的推理步骤提升了模型的逻辑推理能力^[16]。此外，相似案例有助于在法律判决预测任务中提高预测准确性。例如，文献[7]通过引入类案分析微调预测的刑期结果，从而达到更好的预测效果，验证了类案辅助在该任务中的重要作用。

2 模型方法 2.1 模型结构

模型整体结构如图 1所示，采用三阶段分层推理架构，模拟司法实践中“法律要件解析—类案对比参照—量刑精准裁量”的递进式判决逻辑。各层级均基于one-shot思维链方法构建多维度分析框架，通过法条要素解构、犯罪程度量化评估和类案特征匹配实现量刑的动态优化。第一层使用思维链1通过分析事实和法条关系，获取初始刑期范围。第二层基于第一层获取的初始刑期范围检索时空类案，使用思维链2分析事实描述与相似案例之间的关系，得到一个更加精确且合理的基准刑期范围。第三层通过第二层得到的基准刑期范围检索新的相似案例，使用思维链3将事实与相似案例进行比较，得到一个最合理的最终刑期时长。

2.2 类案检索

通过正则表达式提取出案件事实中的年份、地区信息，构成一个新的包含时空属性的案件库。对于类案的检索，则使用检索增强生成方法(retrieval-augmented generation，RAG)^[17]，该方法在潜在空间中对文本数据进行编码，数据的潜在语义可以通过输出嵌入来表达。模型的选择使用北京智源人工智能研究院通用嵌入模型(BAAI general embedding, BGE)^[18]，该模型对中文具有较强的理解能力。使用该模型将类案库和事实的文本内容转化为1 024维度的嵌入向量，并通过指令微调强化模型对犯罪程度、量刑情节的敏感度。两个事实之间的文本相似度计算使用余弦相似度，计算公式为

$ S_{\mathrm{cos}}\left(f_i, f_j\right)=\frac{\boldsymbol{e}_i * \boldsymbol{e}_j}{\left|\boldsymbol{e}_i\right| *\left|\boldsymbol{e}_j\right|}, $

(1)

其中：f表示事实；e表示事实文本嵌入向量。

在限制刑期范围和时空属性的类案检索中，使用综合相似度S进行类案索引，综合相似度计算过程见图 2。其计算公式可表示为

$ S=S_{\mathrm{cos}}\left(f_i, f_j\right)+0.1 *\left(S_y+S_a\right), $

(2)

其中：S_y表示两个案件之间的年份相似度；S_a表示两个案件之间的地区相似度，S_a=min(1, 0.4* sum(a_i=a_j))。

2.3 思维链

思维链方法是在少量样本提示词中，为每个示例答案提供一个推理步骤，减少大模型幻觉现象。思维链方法示意图见图 3。

本文方法模仿现实刑期判决逻辑构建了一个三层思维链推理框架，模型中使用的思维链方法都使用one-shot方式，即提供一个案例引导大模型逐步推理来解决问题。模型结构中三层思维链的逻辑示意图见图 4。第一层思维链的目的是使用大模型分析事实内容和法条内容，从法条中提取符合规定的刑期范围；第二层思维链的目的是对比事实与类案之间犯罪程度以及刑期差异，总结量刑的主要因素，预测被告人更加精准的基准刑范围；第三层思维链使用基准刑范围检索新的类案，利用思维链洞察到其他属性对于量刑的影响程度，从而预测到更准确的刑期。

3 实验与结果分析 3.1 数据集

使用公开法律数据集“法研杯”CAIL2018和LAIC2021，两个数据集均包含案件的事实描述以及被告人的最终刑期(以月为单位)。其中，CAIL2018数据集根据案件数量的规模分为CAIL_big和CAIL_small两个子数据集。在所有盗窃案件中，统计了湖北省、贵州省和上海市的量刑标准。根据盗窃金额将案件划分为不同的区间，以反映犯罪程度。盗窃不同金额的刑期分布见图 5。可以看出，湖北省在各个盗窃金额区间的量刑程度普遍低于贵州省；而上海市在盗窃金额低于1万元时量刑程度低于贵州省，但在金额超过1万元后，其量刑程度高于其他两个省。因此，不同省(市)由于其经济社会发展水平和司法背景的差异，在符合法律条文规定的前提下，量刑标准亦存在一定差异。

此外，从时间维度进行了相关实验。选取数据集中2010年至2017年贵州省所有盗窃案件，统计每个年份的量刑程度。盗窃案件刑期时长与时间关系见图 6。可以看出，2011年或2012年之后盗窃案件的量刑程度整体呈现出下降趋势。由此认为，不同年份的社会背景与环境存在差异，导致量刑标准也随之发生变化。

上述实验结果表明，时空属性在刑期预测任务中具有重要作用。因此，本文提出利用具有时空属性的类案信息来辅助刑期预测，通过正则表达式从案件事实描述中提取年份和地区信息，构建了一个包含时空属性的全新案件数据集。为保证测试的公平性与稳定性，每个数据集均采用相同规模的测试集，且覆盖23个省份。所有数据均经过脱敏处理，不涉及任何隐私或违法内容。数据集统计信息见表 1。

3.2 评价指标

刑期预测的目标是尽可能准确地预测被告人的刑期时长，因此选用准确率(Acc)作为评价指标。然而，不同于传统回归任务，刑期预测并不存在唯一的标准答案。即便是相似的案件，也可能由于法官自由裁量权的存在而产生不同的判决结果，但若犯罪情节相近，刑期通常也具有一定的相似性。为更好地体现刑期预测的宽容性，采用Acc@k作为评价指标，其计算公式为

$ A c c @ k=\frac{\left|\hat{y}_i-y_i\right|}{y_i} \leqslant k * 0.01, $

(3)

其中：y_i表示实际刑期时长；$\hat{y}_i$表示预测刑期时长。此外，为衡量预测值与真实值之间的偏离程度，引入了对数距离(δ_j)指标。该值越小，说明预测结果越接近真实刑期，模型性能越好，其计算公式为

$ \delta_j=\left|\log \left(y_i+1\right)-\log \left(\hat{y}_i+1\right)\right| 。$

(4)

3.3 基线模型

为了评估本文模型在刑期预测任务中的性能，选取以下基线模型进行对比实验。

1) LSTM^[11]：一种经典的循环神经网络(recurrent neural network，RNN)结构，通过门控机制有效缓解了传统RNN的短期记忆问题，能够捕捉文本中的长距离依赖特征。

2) CNN^[14]：卷积神经网络，通过多种卷积核和池化操作提取文本中的局部特征，广泛应用于文本分类任务。

3) Transformer^[12]：一种基于自注意力机制的神经网络结构，支持并行训练，在语义表示能力和推理效率方面优于传统RNN模型。

4) Lawformer^[15]：一种针对长文本的法律预训练语言模型。

5) 通义法睿：国内专注于法律领域的大模型，用于解决通用法律问题。

6) SPTP^[7]：一种基于类案的刑期预测方法，通过检索相似案例并融合其信息来辅助预测。

7) GPT-3.5-Turbo：由OpenAI提供的大规模语言模型，在多个通用任务中表现出较强的泛化能力。

8) DeepSeek-R1：一种参数规模较大且在通用领域任务中表现优异的大语言模型。

为避免模型特性影响实验结果，使用开源的大规模通用指令微调语言模型Qwen2.5-14B-Instruct^[19]。作为具有代表性的通用大模型，其用于减弱模型自身特性对实验结果的影响。

在涉及类案的方法中，类案数量均为5。

3.4 结果和分析

本文模型与基线模型在CAIL_small、CAIL_big和LAIC2021数据集上刑期预测实验结果对比见表 2。表中数据取k=25时的准确率^[7]，即Acc@25，这是由于±25%容差是司法系统中对预测接受度的一个较合理区间，既考虑了合理的误差范围，又不过于宽泛。从表 2可以看出，SPTP和本文模型通过使用类案，在准确率和对数距离上整体优于传统机器学习方法和深度学习方法。本文模型通过思维链微调刑期范围，并结合时空因素检索类案，提高了类案的质量和刑期预测的准确率。同时，基准刑的引入有效避免了过大的预测误差，且模型可解释性强，模拟了现实司法逻辑。

表 3展示了在CAIL_big数据集上的消融实验结果。可以看出，单独使用大语言模型(LLM)预测时，准确率较低。引入普通类案后，模型性能有所改善，但仅使用文本相似度检索的普遍类案质量较差，预测效果一般。而引入具有时空属性的类案后，模型性能有显著提升。当引入思维链方法后，进一步提升了推理能力与准确性，且增强了模型的可解释性。最终，本文模型通过综合使用时空类案和三层思维链结构，在多项指标上都取得优异表现，显著提高了刑期预测的准确性。

此外，通过实验研究了类案数量对刑期预测任务的影响程度，在CAIL_big数据集上不同类案数量时的准确率见图 7。

从图 7可以看出，当类案数量小于30时，模型准确率与类案数量基本正相关，但超过30后，准确率略有下降，最终稳定在0.5左右。这是由于过多的类案会使大模型的记忆能力下降，从而影响预测结果。

4 结语

针对刑期预测任务中推理能力与可解释性难以兼顾的问题，本文提出了一种融合思维链推理与类案辅助的刑期预测方法。该方法设计了以“类案辅助+思维链推理”为核心的三阶段推理框架，分别模拟司法实践中的量刑起点确定、基准刑推断和类案比对微调过程。通过在各阶段引入one-shot思维链机制，有效提升了模型的推理透明度与判决可解释性。同时，利用包含时空信息的类案来增强预测结果的合理性与适应性。未来，将进一步探索大模型在复杂司法场景下的推理泛化能力，并尝试拓展至其他法律判决任务中。