小包公为量刑之痛开精准良药——答周光权教授之问
合规与实证是量刑精准的良药
治疗量刑“痛点”的方法
2020年4月10日晚，周光权教授在“部落学院”做题为“量刑何以更精准”的在线讲座时，开门见山地指出我国当下量刑“痛点”：一是，量刑从来就复杂，但一直被低估；很多人觉得只要有一点实务经验就可以了，但其实这种感觉未必可靠。二是，量刑不是估堆，更不是摸六合彩；实践中量刑辩护在一定程度上是“碰运气”。三是，在认罪认罚程序一路高歌猛进的过程中，更应对量刑的复杂性保持警醒。继而，周光权教授主要分析了四个方面的问题：一是量刑问题有多重要；二是量刑不当有多严重；三是量刑精准化有多复杂；四是量刑的共性问题有哪些。
小包公对周光权教授提出的量刑“痛点”，深以为然；此“痛”痛在量刑不精准，痛在对罪责刑相均衡、刑法面前人人平等原则缺乏真正的贯彻。知“痛”而进，迎难而上，寻找量刑精准的良药，“努力让人民群众在每一个司法案件中感受到公平正义”，已成为时代使命。
小包公始终认为，“科学的量刑方法是公正量刑的前提”，只有科学的量刑方法才是治疗量刑“痛点”实现量刑精准的良药；此良药即为：合规、实证。所谓合规，即科学的量刑方法必须遵循刑法规范，尤其是两高量刑规范指导意见，各省实施细则以及各种包含量刑因素的司法解释等，如不能将电信诈骗按普通诈骗量刑，不能将入户抢劫按基本抢劫量刑；所谓实证，即量刑规则中的各种参数，应充分吸收迄今司法量刑的最大共识，继承量刑行情，以大数据分析的方式求得，如量刑起点、量刑情节的精准数量表示。脱离规范的量刑，缺乏统一标准，量刑必将失衡；脱离实践的量刑，缺乏实证支撑，量刑不可信赖。小包公通过法律与技术的紧密结合，探寻并实现刑法理论知识与刑事司法实务的深度对接，利用大数据及人工智能技术，构建了一套合规、实证的量刑方法，使刑罚裁量的过程透明，结果可验证，实现量刑精准的公正目标。
具体而言，小包公首创国内智能精准量刑双系统（理论量刑系统和实证量刑系统），实现“一次操作、两套结果”；双系统之间相互印证，从而达到精准，实现治“痛”。具体体现为：一是理论量刑系统遵循量刑规范化的基本原理，同时根据算法等技术手段，实现量刑知识的全部系统化、结构化、模块化，以电脑的计算能力，测算出最接近公正的量刑建议；二是实证量刑系统以司法大数据为前提，经由大数据技术、人工智能技术等，提炼真实存在的量刑规律和共识，用于指导量刑；三是二者彼此借力，相互验证，相互校正，融合量刑理论与实践，提高量刑建议的公正性和可预测性，实现“同案同判、类案类判”。
同时，小包公作为一个自主成长与深度学习的开放式、专属式之智能辅助办公系统，也为智能精准量刑双系统提供了一套专属且高效的辅助工具，如智能化精准提取量刑要素，精准预测罚金刑的数额，精准预测数罪并罚的结果，实用型的量刑协商工具，多维度、可拆分的刑事文书查询以及高效，精细的刑事法律规范查询等。一个好汉三个帮，量刑精准有保障。
治“痛”良方——合规量刑
当前，关于量刑规范化改革的法律文件不断完善，因其专业性而日趋复杂。这首先要求量刑公正与精准的改革与探索，必须立足于量刑规范化的一般理论与要求。
小包公严格遵循量刑规范化原理，构建量刑的理论模型，并设计、测试并验证理论预测量刑的可靠性。借此，更有助于实现量刑标准的统一化，更好地防止量刑不均衡以及量刑各地的差异化等问题。而且，通过理论预测模型，不仅可以极大地解放司法人员繁琐的非核心任务，使其更专注于量刑之核心工作；同时，可以超越传统的经验式量刑做法，遏制量刑估堆式操作。
目前，小包公合规量刑主要体现在如下几方面。
1．依规构建完整的量刑知识图谱
构建完整的量刑知识图谱，是确保量刑精准的前提。小包公量刑知识图谱构建体现为：
一是信息提取：从刑法规范（尤其是两高量刑规范指导意见、各省实施细则和各种包含量刑因素的司法解释等）和海量公开文书中，利用NLP技术，提取案件属性、犯罪客体、客观方面、主体、主观方面、量刑情节等实体对象，利用机器学习方法和语义规则关系将实体进行关联，形成基于图结构的知识结构。
二是知识融合：基于以上多个图知识结构进行合并，并进行语义矛盾和歧义的消除，如坦白和自首不应该同时被评价。
三是知识评估：对于已融合的新知识，选择置信度高的知识内容加入知识库（部分经过人工审核），保证知识库的质量。
四是知识可视化：将输入案情和量刑知识，进行相似度深度关联匹配，并统计和输入有关罪名、法条、刑罚种类、量刑情节等，并以可视化图表展示。
2．依规提炼量刑情节
量刑情节是刑罚裁量的唯一依据。小包公在量刑情节的提炼上，已做到“全覆盖式”、“无死角式”的立法化、结构化、动态化程度。
（1）“穷尽”在个案中可能出现的量刑情节，并对其进行分类，从而制定出对应个罪的各省量刑情节表，即存在多少种具体个罪，就存在多少张量刑情节表。
以广东省交通肇事罪为例：
罪名 | 情节类型 | 情节要素 | 情节性质 | 地方实施细则规定比例 | 量刑指导意见规定比例 |
交通肇事罪 | 定罪情节 | 无能力赔偿30万+主要责任 | 定罪 | ||
无能力赔偿30万+全部责任 | 定罪 | ||||
重伤1人+酒驾、毒驾（主要责任） | 定罪 | ||||
重伤1人+无证驾驶（主要责任） | 定罪 | ||||
重伤1人+安全装置不全（主要责任） | 定罪 | ||||
重伤1人+无牌照或已报废（主要责任） | 定罪 | ||||
重伤1人+严重超载（主要责任） | 定罪 | ||||
重伤1人+逃逸情节（主要责任） | 定罪 | ||||
重伤1人+酒驾、毒驾（全部责任） | 定罪 | ||||
重伤1人+无证驾驶（全部责任） | 定罪 | ||||
重伤1人+安全装置不全（全部责任） | 定罪 | ||||
重伤1人+无牌照或已报废（全部责任） | 定罪 | ||||
重伤1人+严重超载（全部责任） | 定罪 | ||||
重伤1人+逃逸情节（全部责任） | 定罪 | ||||
重伤3人（主要责任） | 定罪 | ||||
重伤3人（全部责任） | 定罪 | ||||
死亡1人（主要责任） | 定罪 | ||||
死亡1人（全部责任） | 定罪 | ||||
死亡3人（同等责任） | 定罪 | ||||
逃逸+无能力赔偿30万（主要责任） | 定罪 | ||||
逃逸+无能力赔偿30万（全部责任） | 定罪 | ||||
逃逸+重伤1人+酒驾、毒驾（主要责任) | 定罪 | ||||
逃逸+重伤1人+无证驾驶（主要责任） | 定罪 | ||||
逃逸+重伤1人+安全装置不全（主要责任) | 定罪 | ||||
逃逸+重伤1人+无牌照或已报废（主要责任) | 定罪 | ||||
逃逸+重伤1人+严重超载（主要责任） | 定罪 | ||||
逃逸+重伤1人+酒驾、毒驾（全部责任） | 定罪 | ||||
逃逸+重伤1人+无证驾驶（全部责任） | 定罪 | ||||
逃逸+重伤1人+安全装置不全（全部责任） | 定罪 | ||||
逃逸+重伤1人+无牌照或已报废（全部责任） | 定罪 | ||||
逃逸+重伤1人+严重超载（全部责任） | 定罪 | ||||
逃逸+重伤3人（主要责任） | 定罪 | ||||
逃逸+重伤3人（全部责任） | 定罪 | ||||
逃逸+死亡1人（主要责任） | 定罪 | ||||
逃逸+死亡1人（全部责任） | 定罪 | ||||
逃逸+死亡3人（同等责任） | 定罪 | ||||
无能力赔偿60万（主要责任） | 定罪 | ||||
无能力赔偿60万（全部责任） | 定罪 | ||||
重伤5人（主要责任） | 定罪 | ||||
重伤5人（全部责任） | 定罪 | ||||
死亡2人（主要责任） | 定罪 | ||||
死亡2人（全部责任） | 定罪 | ||||
死亡6人（同等责任） | 定罪 | ||||
因逃逸致人死亡 | 定罪 | ||||
从重情节 | 前科 | 从重 | 0-10% | 0-10% | |
酒后、吸食毒品后驾驶机动车辆 | 从重 | 0-30% | |||
明知是安全装置不全或者安全机件失灵的机动车辆而驾驶 | 从重 | 0-30% | |||
明知是无牌证或者已报废的机动车辆而驾驶 | 从重 | 0-30% | |||
无驾驶资格驾驶机动车辆 | 从重 | 0-30% | |||
追逐竞驶发生交通事故 | 从重 | 0-30% | |||
严重超载驾驶 | 从重 | 0-30% | |||
从宽情节 | 肇事后积极施救 | 从轻 | 0-20% | ||
交通肇事致其近亲属伤亡 | 从轻 | 0-40% | |||
认罪认罚（侦查阶段） | 从轻 | 0-30% | |||
认罪认罚（审查起诉阶段） | 从轻 | 0-20% | |||
认罪认罚（一审审判阶段） | 从轻 | 0-10% | |||
认罪认罚（二审审判阶段） | 从轻 | 0-10% | |||
当庭自愿认罪 | 从轻 | 0-10% | 0-10% | ||
坦白（如实供述自己罪行） | 从轻 | 0-20% | 0-20% | ||
坦白（因如实供述自己罪行，避免特别严重后果发生） | 减轻 | 30-50% | 30-50% | ||
坦白（如实供述司法机关尚未掌握的同种较重罪行） | 从轻 | 10-30% | 10-30% | ||
自首 | 减轻 | 0-40% | 0-40% | ||
自首（犯罪较轻） | 减轻 | 40%-100% | 40%-100% | ||
一般立功 | 减轻 | 0-20% | 0-20% | ||
重大立功 | 减轻 | 20-50% | 20-50% | ||
重大立功（犯罪较轻） | 减轻 | 50-100% | 50-100% | ||
积极赔偿+谅解 | 从轻 | 0-40% | 0-40% | ||
未赔偿+谅解 | 从轻 | 0-30% | 0-30% | ||
达成刑事和解协议（犯罪较轻） | 从轻 | 50-100% | 50-100% | ||
达成刑事和解协议 | 从轻 | 0-50% | 0-50% | ||
聋哑人或盲人 | 减轻 | 0-40% | |||
聋哑人或盲人（犯罪较轻） | 减轻 | 40%-100% | |||
年龄≥75周岁 | 减轻 | 0-40% | |||
16周岁≤年龄＜18周岁 | 减轻 | 10-50% | 10-50% | ||
精神病人（尚未完全丧失辨认或者控制自己行为能力，重度） | 减轻 | 0-40% | |||
精神病人（尚未完全丧失辨认或者控制自己行为能力，中度） | 减轻 | 0-30% | |||
精神病人（尚未完全丧失辨认或者控制自己行为能力，轻度） | 减轻 | 0-20% |
（图1 广东省交通肇事罪量刑情节表）
（2）提炼实践中存在的量刑因素
小包公对海量司法文书的整理识别，发现实践存在一些共识性的影响量刑的因素，将其提炼予以适用，是尊重司法量刑规律的体现。
例如，已决刑事案件中的“肇事后为逃避法律追究，指使他人顶替，予以酌情从重处罚，从重处罚”“本案道路交通事故另致一人轻伤、多车受损，量刑时酌定从重处罚，从重处罚”，等等（见图2）。
罪名 | 情节类型 | 情节要素 | 情节性质 |
交通肇事罪 | 司法大数据因素 | 本案道路交通事故另致一人轻伤、多车受损，量刑时酌定从重处罚 | 从重 |
未取得船员适任证书驾驶船舶发生重大交通事故 | 从重 | ||
肇事后为逃避法律追究，指使他人顶替，予以酌情从重处罚 | 从重 | ||
被害人系未成年人 | 从重 |
（图2 交通肇事罪司法大数据中影响量刑的情节）
（3）提炼量刑情节冲突机制，防止量刑情节的不当竞合，从而实现量刑情节组合的合理性；如在个罪中，坦白与自首不并存，未遂和既遂不并存等。如下图所示。
（图3情节冲突选项）
3．依规构建量刑规则
在提炼量刑情节之后，应当严格按照规范之要求构建量刑规则，具体而言：
首先，依规确定量刑起点。在最高法和各地《量刑指导意见》种，规定了常见犯罪的量刑起点；这一规定保障量刑统一的基础，对非常见罪名也具有指引作用。当然，这一起点表现为一定幅度，还需用实证的方式予以确定化。
其次，确定调节基准刑的算法。应严格按照《量刑指导意见》确定调节基准刑的算法，并搭建相应的量刑模型，即在基本犯罪构成事实所对应的法定刑幅度内确定量刑起点的基础上，根据剩余犯罪构成事实及其他影响影响犯罪构成的犯罪数额、犯罪次数、犯罪后果等犯罪事实，在量刑起点的基础上增加刑罚量确定基准刑，再根据其他量刑情节调节基准刑。对于一般的量刑情节，则采取同向相加，逆向相减的算法；对于存在不同层级量刑情节的，则采取连乘算法调节基准刑。对于《量刑指导意见》未规定的个别罪名，则参照刑法、司法解释等规范的规定，结合司法大数据分析归纳总结的审判经验确定其算法。
最后，确定调节宣告刑的算法。应结合案件的整体情况，对量刑情节影响基准刑的调节结果进行综合判断。同时，依据《量刑指导意见》赋予司法人员可以在参考数值20%范围内酌情调节刑量的权力，将自由裁量权转换成可视化的“调节键”，以更好地适应本地区现实情况和审判实际。
（图4 自由裁量权的调节展示）
治“痛”良方——实证量刑
精确量刑需要消除理论量刑模型中的简约式的定性，如幅度式的量刑起点需要转换成点式确定性的量刑起点，幅度式的量刑情节处罚程度也需要转化成点式确定性。这一“消除”只能依赖于以尊重司法为前提的司法大数据实证。同时迄今其他司法量刑的最大共识与量刑行情，以必须依赖司法大数据的实证进行发掘。脱离实证的理论量刑，有理但不见得“有据”，恐难以服众。
为此，小包公设计实证预测模型。该模型立足于司法大数据，通过大数据技术进行筛选，挖掘出某特定个罪在特定地区的案例数据，智能提取司法实践中的量刑结果，由此将这一结果中的量刑规律转换为量刑因素的精准值，在规范前提之下消除规范上的简约式定性，真正实现“治病”。
简而言之，小包公主要从以下几个方面实现：
1．实证辅助确定量刑参数
量刑模型是构建在量刑参数之上；量刑精准，也必须依赖量刑参数如量刑起点、减轻处罚的下限、特定量刑情节刑罚调节比例等精准确定。但此种精准并不能“任性”设置，必须合规有据。因此，在遵守量刑指导意见的基础上，小包公以近千万份刑事裁判文书之司法大数据为对象，进行大数据挖掘分析加以确定。
例如，若上海地区盗窃数额2000元的案件量刑起点为拘役4个月，若其中具有扒窃情节的案例的宣告刑分布的峰值集中于拘役5个月，则可将此类案件的量刑情节“扒窃”的刑罚增加量确定为增加基准刑1个月（具体请参考图5）。如此，在过滤掉其中无关因素的情况下，结合上海《量刑细则》的规定，小包公将“扒窃”这一量刑情节的通常调节比例确定为17%；当然，随着案例的变化，系统自我学习后，会对这一比例值进行动态调整。由此，实现了实证的精准性和灵活性性。
（图5 上海市“扒窃”情节在不同数额盗窃案件的影响情况）
2．实证辅助确定量刑起点
同理，对个罪量刑起点的精确化，在量刑规范化的前提下，也可以根据司法大数据归纳总结审判实践中的量刑规律进行确定。
例如，以广东省的交通肇事罪，死亡1人、全部责任、为逃避法律追究而逃离事故现场为定罪起点，广东省量刑指导意见实施细则的规定为“交通运输肇事后逃逸或者有其他特别恶劣情节的，可以在三年至五年有期徒刑幅度内确定量刑起点。”其对于定罪起点的规定较为笼统，差距较大，难以确定精准的量刑起点。首先，小包公数据系统支持通过输入包含该起点的定罪情节和量刑情节，可以筛选出单一标签、单一被告、单一罪名的类案。其次，通过数据分析规则读取在相同情节下，过往刑期概率最大值为36个月，系统将对该案件刑期进行读取。最后，在此条件的基础上进行量刑情节的逐步删减，并依次记录刑期概率最大值，通线性回归分析的方式将不同情节的概率最大值进行分析，得出基准刑刑期与量刑情节的调节比例。为防止系统运算过程中不可避免的漏洞，小包公后台数据系统还引入了系统预警机制，系统自动运算的推荐值若脱离法律、司法解释、地方实施细则的限制，将会进入二次审核。此外，删选案例条件由案例可视化数据提供参考，推荐由出现频率较高的定罪情节和量刑情节进行分析，以确保大数据分析的数据量（具体见下图6、7）。
（图6 交通肇事罪案例筛选条件）
（图7 交通肇事罪案例筛选结果）
3．实证辅助确定宣告刑
确定量刑起点之后，应根据案件的情节确定宣告刑。宣告刑应根据大数据实证化所确定的算法基础提出，综合全案情况，结合推送类案中所提取的刑期分布，对理论刑期进行适当修正。
小包公拥有千万级的刑事判决书所组成的数据库，已经形成了非常成熟的类推精准推送功能。如图8、9所示，即为根据用户输入的交通肇事罪致1人死亡，全部责任，为逃避法律追究逃离事故现场，酒后、吸食毒品后驾驶机动车辆、坦白、积极赔偿并取得谅解等条件所展示的类案情况。小包公智能量刑系统类案推送支持横向多维度查询，行政区域维度，小包公支持查询全国类案、本省类案、本市（区）类案，为系统使用者提供多维度的类案参考，实证辅助宣告刑的确定。
（图8 惠州市本市类案结果的展示）
（图9 广东省本省类案结果的展示）
治“痛”良方——全面辅助
在理论预测与实证预测相结合的双模式下，小包公还在多方面为精准量刑进行配套辅助，夯实精准性，提高量刑的可信赖性。
1．智能化精准提取量刑要素
小包公系统支持复制、黏贴、上传等多种方式进行识别；一键精准提取地区、被告人、罪名、定罪条件、从重情节和从宽情节；一人多罪、多人多罪精准识别；主动排除干扰情节；支持手动修改要素。
（图10 智能精准提取）
2．精准预测罚金刑的数额
严守罚金刑法定范围，智能推演罚金刑司法适用大数据，科学预测个案罚金刑适用数额，从而满足量刑精准要求。
（图11 智能预测罚金）
3．精准预测数罪并罚的结果
经过深入论证和大数据推演，探索出实现数罪并罚“酌情决定执行的刑期”的最优路径，实现对并罚结果的精准测算。
（图12 智能预测数罪并罚）
4．首创实用型的量刑协商工具
系统确认了认罪认罚从宽情节属性，并将其按照4个阶段进行精细化分类，为控辩双方量刑协商提供可视化、可量化、可执行的依据及结果。
认罪认罚与否之量刑结果对比图
（图13 量刑协商工具）
5．多维度、可拆分的刑事文书查询
建构多维度、可拆分刑事文书查询系统；每次预测，根据提取罪名、情节只能推送同地区、同条件的前10个类案，极大缩小了全网检索的时间，实现高精准类案推送。
（图14 文书查询）
6．高效、精细的刑事法律规范查询
以罪名为核心，提供全覆盖检索。刑事法律法规库包括刑事、刑事诉讼法、监察法；立法解释、司法解释、部门规章、行政法规、各省量刑指导意见实施细则；最高法院指导案例、最高检察院指导案例、人民法院公报、刑事审判参考、人民司法等司法观点；证据规格。
（图15 法律法规查询）
结语
原大法官沈德咏曾指出：“在人类刑法文明史上，量刑公正始终是人们不懈追求的崇高目标。从某种意义上说，一部人类刑法文明史，就是一部为实现刑罚目的而不断探索量刑公正的历史。只要我们勇于量刑的司法实践，大胆量刑的理论创新，不断探索，积极尝试，量刑公正的崇高目标就一定能够达到。”小包公为量刑之“痛”而生，为量刑精准而努力，为量刑公正而奋斗！
小包公网址：www.xiaobaogong.com
[1] 戴长林：“量刑方法及其应用”，《法律适用》，2009年第8期，第6页。