城东有个估价师老张，干了二十年二手房估价。客户问价，他绕着房走三圈：地段、面积、装修、楼道干净不干净，心里默算片刻，报出一个具体价格。同样一套房，行情不同报价不同；同一个罪名，情节不同刑期也不同。司法 AI 里的“刑期预测”，干的就是老张的活儿——把案情当房子，把刑期当房价。老张的底气来自脑子里积攒的上万套成交档案，刑期预测靠的则是一本叫 LeCaRD 的裁判文书档案库：把历史判决整理成结构化数据，再用回归模型学出那条“案情→刑期”的估价公式。这篇文章就借老张的估价摊子，从数据集、特征工程，一路讲到回归模型、评估与调优，把刑期预测回归模型的来龙去脉拆开揉碎讲明白。

岗位关联

掌握刑期预测回归模型，是进入司法 AI 与法律科技赛道的核心技能之一：它能帮你把“法官经验”转化为可解释、可评估、可迭代的算法产品，在量刑辅助、类案检索等落地场景中直接创造价值。

目录
  1. 可视化演示
  2. 概念与背景
  3. LeCaRD数据集
  4. 特征工程
  5. 回归模型
  6. 训练与评估
  7. 优化策略
  8. 应用与展望
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

演示刑期预测回归模型：从案件文本提取量刑因子，拟合回归曲线预测刑期长度，并检测判决与模型预测之间的系统性偏差。

本节配有交互动效（进入视口后自动加载，约 3KB）。

因子提取 从案情提取量刑因子 自首/立功/累犯等 刑期=f（因子） 量刑因子作为回归特征输入

概念与背景

老张估价从来不给区间档位，客户问“这房值多少”，他报的是“二百三十万”这样的具体数字，而不是一句“挺贵”。因为房价是连续量，差五万就是五万。刑期也一样：法官写判决书时落笔的是“有期徒刑三年四个月”这样的连续月数，不是简单打一个“重罪/轻罪”的勾。司法 AI 里的刑期预测，正是让模型扮演“估价师”，输入起诉书与裁判文书，输出一个具体的刑期数值。

这个任务在机器学习里有一个明确的归属——回归。回归任务预测的是连续数值，分类任务输出的是离散标签。判断一个案子是“盗窃”还是“抢劫”是分类，预测“判多少个月”则是回归。二者边界清晰：就像老张既需要判断“这房子要不要拆”（分类），也需要回答“能卖多少钱”（回归），司法 AI 同样兼顾“定性”与“定量”两类问题。

数学上，刑期预测被形式化为学习一个函数 f，把案情特征向量 x 映射到真实刑期 y。历史裁判文书中每一案都是一组“特征-结果”配对，模型的任务就是从这些配对中反推出 f 的形态，使预测值尽量贴近真实判决。

老张能估价，是因为他脑子里存了几千套“特征-成交价”配对；模型能预测刑期，靠的是 LeCaRD 里上万条“案情-判决”配对。区别在于老张的经验说不清道不明，而模型把经验写成了一条可反复计算、可检验、可迭代的函数——这正是算法相对“人肉经验”的核心优势。

yi=f(xi)+εi,i=1,2,…,Ny_i = f(\mathbf{x}_i) + \varepsilon_i, \quad i = 1, 2, \ldots, N
这个公式描述的是：第 i 个案件的刑期，由一个“特征决定的主干”加上一个“说不清的随机波动”组成，模型要学的就是那个主干 f。
  1. 输出刑期 $y_i$第 i 个案件的真实判罚月数，是模型要“估价”的目标，相当于房子的成交价。
    yiy_i
  2. 特征向量 $\mathbf{x}_i$把第 i 个案情文本和量刑情节（罪名、金额、自首、累犯等）转成的数值清单。
    xi=(xi1,xi2,…,xin)\mathbf{x}_i = (x_{i1}, x_{i2}, \ldots, x_{in})
  3. 回归函数 $f$模型从数据中学到的映射规则，相当于老张脑子里那条“地段加分、装修减分”的估价公式。
    f:x↦yf: \mathbf{x} \mapsto y
  4. 随机波动 $\varepsilon_i$法官自由裁量、表述噪声等无法用特征解释的偏差，是任何模型都无法完全消灭的部分。
    εi∼零均值随机噪声\varepsilon_i \sim \text{零均值随机噪声}

LeCaRD数据集

老张有个牛皮笔记本，记着每套经手房子的完整档案：地址、面积、成交价、买家砍了几万。LeCaRD（Legal Case Retrieval Dataset，法律案例检索数据集）之于刑期预测模型，就是这个笔记本——一本“裁判文书成交档案”，只不过记录的不是房子，而是刑事案件。

LeCaRD 的样本来自真实刑事裁判文书。每篇文书包含三块关键信息：事实描述（被告人做了什么，如“多次扒窃”“持刀伤人”）、法律要素（罪名、法条引用、量刑情节如累犯、自首、认罪认罚）、裁判结果（刑种与具体刑期）。这三块信息与老张记录的“地段、面积、成交价”一一对应，模型正是从这种配对中学习规律。

为了让模型能够批量学习，数据集按统一规范组织成样本对：每一个案件被表示为一个特征向量 x 和一个刑期标签 y，全部样本合在一起构成训练用的数据集 D。刑期一律换算成月（无期徒刑等特殊刑种需单独处理），保证标签是真正的连续数值。

笔记本也有盲区：老张的记录只覆盖他经手过的小区，LeCaRD 同样存在地域覆盖不均、法条时效滞后、部分罪名样本稀疏等局限。估价师必须清楚自己档案的边界，模型开发者也要时刻审视数据集是否足以支撑目标场景——数据的天花板，决定了模型的天花板。

D={(x1,y1),(x2,y2),…,(xN,yN)}\mathcal{D} = \{ (\mathbf{x}_1, y_1), (\mathbf{x}_2, y_2), \ldots, (\mathbf{x}_N, y_N) \}
数据集 D 是所有“案情特征→刑期”配对的集合，N 是样本总量，它决定了模型能从中吸收多少“经验”。
  1. 数据集 $\mathcal{D}$所有历史案件的集合，对应老张牛皮笔记本里的全部成交档案。
    D\mathcal{D}
  2. 特征向量 $\mathbf{x}_i$第 i 个案子提炼出的案情描述，如罪名、金额、情节标志等。
    xi\mathbf{x}_i
  3. 刑期标签 $y_i$第 i 个案子的真实判决月数，是模型学习的“标准答案”。
    yiy_i
  4. 样本总数 $N$数据规模。N 越大，模型见过的“房子”越多，估价的底气越足。
    N=∣D∣N = |\mathcal{D}|

特征工程

老张看房从不会把整栋楼的每一块砖都拍下来发给客户，而是提炼出地段、面积、朝向、装修这几项关键信息。模型也读不了几万字的法律文书，它只认数字。把“被告人为泄愤持刀伤人，致一人轻伤二级”这样的文本，变成模型能吃的数值清单，这一步就是特征工程。

刑期预测的特征通常分两类。第一类是结构化特征：罪名、涉案金额、是否累犯、是否自首、是否认罪认罚、被害人有无谅解——这些像房子的“面积、楼层、学区”一样，条目清晰、含义确定。第二类是文本特征：从案情描述中抽取情节关键词、法律要素词，再转换为数值表示，这更像老张对“楼道是否整洁、采光是否充足”这类软信息的量化。

文本特征最朴素也最常用的做法是词频归一化。直接数关键词出现次数会偏向长文书——一篇一万字的文书里出现两次“自首”未必比一篇五百字的文书更值得加重。除以文书总长度后，长短文书才具有可比性。

特征并非越多越好。把“主审法官星座”“被告人血型”这类无关信息塞进去，只会干扰模型。老张的估价清单经过二十年打磨才留下最有效的几项，特征工程同样要做筛选：用相关性分析、树模型重要性排序等手段，保留对刑期真正有解释力的特征，剔除噪声，才能让后续模型学得更稳。

xj(i)=count(wj,di)∣di∣x_{j}^{(i)} = \frac{\text{count}(w_j, d_i)}{|d_i|}
这是“归一化词频”公式：关键词 w_j 在第 i 篇文书中出现的次数，除以文书总长度，得到一个与篇幅无关的比例特征。
  1. 词频 $\text{count}(w_j, d_i)$关键词 w_j（如“累犯”“自首”）在第 i 篇文书里出现的次数。
    count(wj,di)\text{count}(w_j, d_i)
  2. 文书长度 $|d_i|$第 i 篇文书的总字数，作为“篇幅”的度量。
    ∣di∣|d_i|
  3. 归一化结果 $x_j^{(i)}$词频比例。长文与短文中同样的情节数，折算后数值量级一致，不会因文书啰嗦而虚高。
    xj(i)∈[0,1]x_{j}^{(i)} \in [0, 1]

回归模型

老张的估价公式其实是一笔“加减账”：底价加上地段系数乘地段分、面积系数乘面积分，再减去楼龄折旧。线性回归模型干的正是同一件事——把每个特征乘上一个权重，再加起来，得到预测刑期。权重就是“系数”：累犯这个特征该加多少个月，自首该减多少个月，都由数据说了算。

模型如何知道权重该是多少？靠损失函数。均方误差（MSE）是回归最常用的损失：计算每个样本预测值与真实值的差的平方，再取平均，模型训练就是不断调整 w 和 b 让这个平均误差最小。除了线性回归，实践中还常用树模型回归（随机森林、梯度提升树）来捕捉情节之间的非线性交互——比如“持刀+入户”对刑期的叠加效应可能大于两个特征单独作用之和；神经网络回归则表达能力更强，适合海量文本特征场景，但可解释性较差。线性模型权重清晰可审计，树模型稳健且能输出特征重要性，神经网络上限高但更像黑箱，选择哪种取决于业务对可解释性的要求。

y^=w⊤x+b=w1x1+w2x2+⋯+wnxn+b\hat{y} = \mathbf{w}^{\top}\mathbf{x} + b = w_1 x_1 + w_2 x_2 + \cdots + w_n x_n + b
这是线性回归的预测公式：刑期预测值等于所有特征加权求和再加一个基准项。w 是权重，b 是基准，它们共同构成了那条“刑期曲线”。
  1. 预测刑期 $\hat{y}$模型给出的刑期估计值，带“帽子”表示是预测而非真实判决。
    y^\hat{y}
  2. 权重 $\mathbf{w}$每个特征的影响力大小。权重为正表示该特征推高刑期（加重情节），为负表示拉低刑期（从轻情节）。
    w=(w1,w2,…,wn)\mathbf{w} = (w_1, w_2, \ldots, w_n)
  3. 特征值 $\mathbf{x}$上一节特征工程产出的数值向量。
    x=(x1,x2,…,xn)\mathbf{x} = (x_1, x_2, \ldots, x_n)
  4. 基准项 $b$全部特征归零时的“起步刑期”，相当于估价公式里的底价。
    bb

训练与评估

老张检验估价准不准，从不拿看过的房子自夸——那叫“背答案”。他得拿从没看过的房子报价，再等实际成交来验证。模型训练遵循同样的道理：把 LeCaRD 数据切成训练集和测试集，模型只在训练集上学习，在测试集上检验“没见过的新案子”预测得准不准。

衡量“准不准”需要一把尺子。对回归任务来说，最直观的尺子是平均绝对误差（MAE）：把每个案件的预测误差取绝对值，再求平均。为什么取绝对值？因为正误差（预测多）和负误差（预测少）不能互相抵消——老张连续三次多估 5 万、三次少估 5 万，平均下来“零误差”的说法毫无意义。

训练中最常见的“翻车”是过拟合：模型把训练集每个案子的细节都背了下来，训练集误差极低，一到测试集就原形毕露。这就像老张把每套房的门牌号和成交价死记硬背，换个小区立刻失准。为稳定评估，实践中常用 K 折交叉验证：把数据切成 K 份，轮流拿一份当“考卷”、其余当“教材”，K 轮下来取平均成绩，比单次划分更可靠。另外还需关注 RMSE（均方根误差），它放大离群大偏差的惩罚，两者搭配观察，才能全面判断模型质量。

MAE=1N∑i=1N∣y^i−yi∣\text{MAE} = \frac{1}{N} \sum_{i=1}^{N} \left| \hat{y}_i - y_i \right|
MAE 把所有案件的“预测偏差的绝对值”求平均，单位是月。例如 MAE=4 表示平均每个案子的预测与真实刑期相差约 4 个月。
  1. 单案误差 $\hat{y}_i - y_i$第 i 个案子的预测刑期减去真实刑期，差额可正可负。
    y^i−yi\hat{y}_i - y_i
  2. 取绝对值 $|\cdot|$把正负偏差统一成“偏离多少”的非负量，防止相互抵消。
    ∣y^i−yi∣\left| \hat{y}_i - y_i \right|
  3. 求平均 $\frac{1}{N}\sum$把所有样本的绝对偏差累加后除以样本数，得到平均偏离程度。
    1N∑i=1N(⋅)\frac{1}{N}\sum_{i=1}^{N}(\cdot)

优化策略

老张发现自己的公式在城东小区很准，到了城西新盘就飘。他没有全盘推翻，而是拧几个“旋钮”：地段系数调一调、装修权重改一改。模型优化的第一类手段正是超参数调优——用网格搜索或随机搜索遍历学习率、树深度、网络层数等超参数的组合，找到表现最好的一组。

第二个关键手段是正则化。模型权重过大往往意味着“死记硬背”：它对某个特征过度敏感，把历史细节当成了普适规律。岭回归（Ridge）在原有损失上追加一个惩罚项，让权重不要长太大，逼迫模型学会“概括”而不是“背题”。

进一步地，模型集成把多个模型的预测综合起来——随机森林本身就是多棵树的平均，Stacking 则让不同模型相互纠错，这像老张最终把心算、Excel 表格和同事经验三路意见合并，取一个更稳的估值。与此同时，司法场景强烈依赖可解释性：SHAP 值可以告诉我们“这个案子预测偏高，主要是累犯情节贡献了 8 个月”，让法官看得懂、信得过、核得清。

L=1N∑i=1N(y^i−yi)2⏟拟合误差+λ∑j=1nwj2L = \underbrace{\frac{1}{N}\sum_{i=1}^{N}(\hat{y}_i - y_i)^2}_{\text{拟合误差}} + \lambda \sum_{j=1}^{n} w_j^2
优化目标从“只追求预测准”变成“预测准且权重别太极端”，λ 是控制惩罚力度的旋钮。
  1. 拟合误差项原来的均方误差，衡量模型对训练数据的贴合程度。
    1N∑i=1N(y^i−yi)2\frac{1}{N}\sum_{i=1}^{N}(\hat{y}_i - y_i)^2
  2. 惩罚项 $\lambda \sum w_j^2$所有权重的平方和，权重越大惩罚越重，逼迫模型保持“谦虚”。
    λ∑j=1nwj2\lambda \sum_{j=1}^{n} w_j^2
  3. 平衡旋钮 $\lambda$λ 调大，模型更保守、更抗过拟合；λ 调小，模型更贴近训练数据但风险更高。
    λ>0\lambda > 0

应用与展望

老张出完估价报告，客户还得自己看房、自己拍板。成熟的量刑辅助系统同样不输出一个“绝对刑期”，而是给一个参考区间——预测难免有误差，承认误差并以区间形式呈现，反而更符合司法谨慎的原则。

围绕刑期预测，已经形成三类典型应用。其一是量刑辅助系统：法官在判决前输入案情摘要，系统返回参考区间与相似判例，帮助统一裁量尺度。其二是类案检索与同案同判审查：检察机关或法院审管办用回归模型批量比对历史案件，把实际刑期偏离模型区间过大的案件标记出来，启动人工复核。其三是认罪认罚协商辅助：值班律师与检察官在协商量刑时，用模型快速获得量化参考，让当事人的预期更加理性、谈判更有依据。

展望未来，核心挑战是公平性。模型从历史判决中学习，而历史判决若存在地域差异、群体偏差，模型会忠实地把这些偏见“学”进权重，MAE 再小也不能证明公正。因此司法 AI 必须坚持人机协同：算法提供统计参考和异常提醒，法官保留基于全案事实的最终裁量权。就像老张的估价永远只是参考，签不签合同、以什么价签，决定权始终在买卖双方手中。

[y^−zaσ,  y^+zaσ][\hat{y} - z_a \sigma, \; \hat{y} + z_a \sigma]
预测刑期的置信区间：以预测值为中心，向两边各展开 z_a 倍标准差 σ。z_a≈1.96 时对应约 95% 的覆盖区间。
  1. 预测中心 $\hat{y}$模型给出的最佳估计刑期，例如 40.2 个月。
    y^\hat{y}
  2. 误差标准差 $\sigma$从历史预测误差中统计出的波动幅度，衡量模型“准头”的稳定性。
    σ\sigma
  3. 分位数系数 $z_a$与置信水平挂钩的常数。想要 95% 的把握就用 1.96，想要 90% 就用 1.64。
    za≈1.96z_a \approx 1.96
  4. 区间形态最终输出一个上下限，例如“36~44 个月”，把模型的不确定性诚实交给使用者。
    [下界,上界][\text{下界}, \text{上界}]

AI 应用场景

法院量刑辅助系统

阶段：模型部署与辅助决策

解决的问题：法官人工翻阅卷宗、比对类案耗时费力，不同法官对相似案件的量刑尺度存在差异。AI 在判决前将案情摘要转化为特征，快速输出参考刑期区间和相似判例，缩小裁量分歧。

具体案例：某基层法院刑事审判庭接入量刑辅助模块，法官输入“入户盗窃作案三次、涉案金额两万、系累犯、认罪认罚”，系统在数秒内返回 28~34 个月的参考区间，并附上近三年 12 件相似案件的刑期分布。法官将其作为参考，结合案卷细节最终确定刑期，案件审理效率提升约 30%。

类案同判偏差审查

阶段：模型评估与审计

解决的问题：司法系统内部需要定期自查“同案不同判”问题，人工逐案比对效率极低。利用回归模型为每案生成“预期刑期”，再与实际刑期对比，偏差过大的案件自动进入复核队列。

具体案例：某市检察院案件管理部门抽取近三年盗窃罪判决书共 1200 份，刑期预测模型逐案计算偏差。最终 47 件案件偏差超过 40%，其中 39 件经复核确认存在情节遗漏或裁量说理不足，被列为重点评查案件。

认罪认罚协商辅助

阶段：数据采集与特征工程

解决的问题：认罪认罚从宽制度要求检察官与犯罪嫌疑人就量刑建议进行协商，但当事人普遍缺乏对刑期的理性预期，协商常陷入僵局。AI 基于本案情节与历史判例快速估算刑期，为双方提供共同对话的“标尺”。

具体案例：某法律援助中心部署轻量级预测工具，值班律师输入案由、金额、情节后，几分钟内得到刑期区间与类案统计。当事人看到与自己案情相似的 20 个历史判决后，对量刑建议的接受度明显提高，协商周期从平均两周缩短到四天。

Python 演示

python66 行
# -*- coding: utf-8 -*-"""刑期预测回归演示：模拟 LeCaRD 风格语料 + 最小二乘回归"""import random random.seed(2024) AGGRAVATING = ["累犯", "持刀", "贩卖", "多次作案", "入户盗窃", "数额巨大", "致人死亡"]MITIGATING = ["自首", "坦白", "认罪认罚", "积极赔偿", "初犯", "从犯", "立功"] def make_case():    """生成一条模拟裁判文书与对应刑期(月)"""    aggs = random.sample(AGGRAVATING, random.randint(0, 3))    mits = random.sample(MITIGATING, random.randint(0, 2))    text = "被告人" + "、".join(aggs + mits) + "。"    sentence = 10 + len(aggs) * 16 - len(mits) * 5 + random.gauss(0, 5)    return text, max(3, int(round(sentence))) def to_features(text):    """特征工程：加重情节数减从轻情节数，再拼接文书长度"""    agg = sum(1 for w in AGGRAVATING if w in text)    mit = sum(1 for w in MITIGATING if w in text)    return [1.0, float(agg - mit), len(text) / 80.0] def predict(features, theta):    return sum(w * x for w, x in zip(theta, features)) def train(data):    """最小二乘：解正规方程，得到回归系数 theta"""    k = 3    A = [[0.0] * k for _ in range(k)]    b = [0.0] * k    for text, y in data:        f = to_features(text)        for i in range(k):            b[i] += y * f[i]            for j in range(k):                A[i][j] += f[i] * f[j]    for i in range(k):        for j in range(i + 1, k):            factor = A[j][i] / A[i][i]            for c in range(i, k):                A[j][c] -= factor * A[i][c]            b[j] -= factor * b[i]    theta = [0.0] * k    for i in range(k - 1, -1, -1):        s = b[i]        for j in range(i + 1, k):            s -= A[i][j] * theta[j]        theta[i] = s / A[i][i]    return theta def mae(data, theta):    errors = [abs(predict(to_features(t), theta) - y) for t, y in data]    return sum(errors) / len(errors) data = [make_case() for _ in range(160)]train_data, test_data = data[:120], data[120:] theta = train(train_data)print("回归系数:", [round(v, 3) for v in theta])print("训练集 MAE(月):", round(mae(train_data, theta), 2))print("测试集 MAE(月):", round(mae(test_data, theta), 2)) new_text = "被告人持刀贩卖毒品，系累犯，到案后如实供述。"months = predict(to_features(new_text), theta)print("新案件预测刑期: %.1f 个月" % months)
目的：构造一份模拟 LeCaRD 风格的小型“裁判文书语料”，用最小二乘法训练线性回归模型，学习“案情特征→刑期”的映射，并用 MAE 评估、对新案预测。
  1. sentence = 10 + len(aggs) * 16 - len(mits) * 5 + random.gauss(0, 5)模拟真实刑期的生成逻辑：每个加重情节加约 16 个月、从轻情节减 5 个月，另加随机波动。
  2. return [1.0, float(agg - mit), len(text) / 80.0]特征工程：常数项 1.0、情节净分值、归一化文书长度，三者组成特征向量。
  3. A[i][j] += f[i] * f[j]构造正规方程左侧矩阵，即各特征两两乘积的累加。
  4. b[i] += y * f[i]构造正规方程右侧向量，把标签 y 的信息带入求解。
  5. factor = A[j][i] / A[i][i]高斯消元的关键一步，计算第 i 行对第 j 行的消去比例。
  6. theta[i] = s / A[i][i]回代求解：自后向前逐个算出回归系数。
  7. errors = [abs(predict(to_features(t), theta) - y) for t, y in data]逐案计算预测偏差绝对值，供 MAE 汇总。
  8. theta = train(train_data)在训练集上学习权重，对应老张积累历史成交经验的过程。
  9. months = predict(to_features(new_text), theta)用学到的系数给新案件“估价”，输出预测刑期。

常见误区

误区我以为刑期预测就是判断该判“三年以下”“三到七年”还是“七年以上”，输出一个档位标签，所以应该用分类模型。

正解档位只是人为划分的区间，模型的本质目标仍是预测连续的刑期月数。把连续值切成档位会损失精度：28 个月和 35 个月可能被分进不同档，实际只差 7 个月；而回归模型直接输出 30.1 个月这样的数值，由司法人员再去对照法定刑幅度。就像老张报“这套房二百三十万”，而不是笼统说“这套房比较贵”。

为何常见：媒体报道常讲“AI 判断有罪/无罪”，分类案例多、入门教程也常从分类讲起，容易形成“AI 都做分类”的思维定式。

误区训练完看到 MAE 只有 3 个月，模型这么准，肯定比法官更客观、更公正。

正解MAE 衡量的是与历史判决的统计吻合度，不是法律意义上的公正。如果 LeCaRD 中某些群体的历史判决系统性偏重，模型会把这套偏见学进权重，MAE 照样很低。评估公正性需要分组做误差审计——比如按地域、按罪名、按被告人身份分别计算 MAE，而不能只看总指标。

为何常见：单个数值指标直观好懂，人很容易用技术指标的大小替代复杂的价值判断。

误区LeCaRD 量不够？再爬几万篇判决书喂进去，模型自然更强。

正解模型上限由“数据质量 × 数量”共同决定。裁判文书存在地区差异、法条时效、表述噪声，旧法时代的判决对新罪名预测反而成为干扰。LeCaRD 的价值在于结构化标注——量刑情节、法条、刑期是否规范对齐，如果标注混乱，数据越多，学进去的偏差越牢固。这就像老张把人民币和外币的成交价混记在一个本子上，记录越多账面越乱。

为何常见：“大数据”宣传深入人心，容易忽略标注质量、分布一致性与时效性这些关键前提。

误区模型预测 40 个月，直接照判不就行了？还能统一全国量刑尺度。

正解模型只能复现历史裁判的统计规律，既不懂个案中受害人的特殊情况，也无法回应法条更新和社会价值观变迁。司法 AI 的定位是“参考”而非“裁判”：输出预测区间和相似案例，由法官结合全案事实做最终裁量。老张的估价再准，也不能代替买卖双方签约；模型的预测再稳，也不能代写法官判决书。

为何常见：对“智能”的过度想象，混淆了统计相关与法律规范之间的根本区别。

面试题

Q1. 在司法 AI 中，“预测被告人刑期”属于哪类机器学习任务？

单选题 · easy

  • A.多分类任务
  • B.回归预测任务← 正确答案
  • C.无监督聚类
  • D.序列标注任务

答案：B。刑期是连续的月数，预测连续数值属于回归任务；分类输出离散标签，聚类是无监督方法，序列标注处理的是标签序列。就像估价师回答“房子能卖多少钱”是回归，“房子值不值得买”才是分类。

Q2. 平均绝对误差（MAE）的计算方式是？

单选题 · easy

  • A.预测误差绝对值取平均← 正确答案
  • B.预测误差平方再取平均
  • C.正确样本数占总样本比例
  • D.预测值与真实值之差取最大值

答案：A。MAE 先把每个样本的预测误差取绝对值，再求和平均，单位与刑期一致（月）。平方后取平均是 MSE，正确占比是准确率，取最大值是最大误差。绝对值是关键——防止正负误差互相抵消。

Q3. 线性回归公式 y=wx+b 中权重 w 的直观含义是？

单选题 · mid

  • A.对应特征的数值影响系数← 正确答案
  • B.模型训练过程中的随机噪声
  • C.训练数据集里的样本总量
  • D.模型迭代次数的设置上限

答案：A。w 表示某个特征每变化一个单位，预测刑期相应变化多少，正权重推高刑期、负权重拉低刑期，是评估量表里“从重/从轻”的数值化。噪声是 ε，样本量是 N，迭代上限是超参数，都与 w 无关。

Q4. LeCaRD 数据集中裁判文书包含哪些关键信息？

单选题 · mid

  • A.完整的被告人心理评估报告
  • B.事实描述、法条与裁判结果← 正确答案
  • C.律师个人执业风格的详细记录
  • D.法官家庭背景与工作履历信息

答案：B。LeCaRD 的文书核心是事实描述（案情）、法律要素（罪名法条）与裁判结果（刑期），三者构成“特征-标签”配对。心理报告、律师风格、法官背景均不在裁判文书的标准字段中，也不应作为预测特征。

Q5. 下列哪些可以作为刑期预测的输入特征？（多选）

多选题 · mid

  • A.犯罪情节与涉案数额← 正确答案
  • B.自首坦白与认罪认罚情况← 正确答案
  • C.办案民警的星座与血型
  • D.累犯初犯的历史记录信息← 正确答案

答案：ABD。犯罪情节、涉案数额、自首坦白、认罪认罚、累犯初犯都是法律上明确的量刑情节，对刑期有真实影响。民警星座血型与犯罪和判决毫无因果关系，属于典型噪声特征，引入只会干扰模型。

Q6. 模型在训练集上误差很低、测试集上误差很高，最可能是？

单选题 · mid

  • A.模型出现了欠拟合问题
  • B.模型出现了过拟合问题← 正确答案
  • C.模型出现了梯度爆炸问题
  • D.模型出现了特征缺失问题

答案：B。训练集表现好、测试集表现差，是过拟合的典型症状——模型把训练数据的细节背了下来，缺乏泛化能力，就像老张背下门牌号却在陌生小区失手。欠拟合是训练集也不行，梯度爆炸和特征缺失不会呈现这种“训练好测试差”的模式。

Q7. 下列哪些方法能有效缓解刑期预测模型的过拟合？（多选）

多选题 · hard

  • A.扩充训练样本的数量规模← 正确答案
  • B.加入 L2 正则化惩罚项← 正确答案
  • C.反复迭代直到训练集完全拟合
  • D.使用 K 折交叉验证来调参← 正确答案

答案：ABD。更多样本提供更全面的规律，L2 正则化惩罚过大权重迫使模型“概括”，交叉验证稳定选参都对抗过拟合。而反复迭代到训练集完全拟合是背题的极端化，只会加重过拟合。三者方向与 C 正好相反。

Q8. 评估刑期回归模型时，优先选择 MAE 的主要原因是？

单选题 · mid

  • A.对离群大误差极其敏感
  • B.能直观反映偏差的月数← 正确答案
  • C.可以直接衡量分类准确率
  • D.完全不受任何异常点影响

答案：B。MAE 的单位就是月，“平均偏差 4 个月”能让法官、当事人直观理解模型精度。对离群大误差敏感的是 RMSE；MAE 衡量的是回归连续值而非分类正确率；它虽比 RMSE 稳健，但并非完全不受异常点影响。

Q9. 特征工程中“词频归一化”（x=词数/文书长度）的主要作用是？

单选题 · hard

  • A.消除文书长短差异导致的偏差← 正确答案
  • B.把特征值全部变成整数类型
  • C.让模型不再需要任何文本输入
  • D.自动提高所有罪名的基准刑期

答案：A。长文书天然包含更多关键词，直接数词数会让“篇幅”冒充“情节”，归一化后词频变成比例，长短文书才可比。它不改变数值类型为整数，不替代文本输入，更不会修改任何刑期基准，只负责让特征更公平。

Q10. 司法 AI 量刑辅助系统在真实部署时应注意哪些原则？（多选）

多选题 · hard

  • A.保持法官的最终决定权← 正确答案
  • B.定期审查算法的公平性← 正确答案
  • C.直接依据预测结果宣判
  • D.提供可解释的预测依据← 正确答案

答案：ABD。司法 AI 是辅助工具，法官必须保留最终裁量权；历史偏差可能被模型学走，需定期做分组误差审计；可解释的预测依据让法官能核验、能回应。直接照搬预测结果宣判剥夺了法官对个案全案的审查职责，与司法责任制相悖。