逻辑引导的多阶段推理用于可解释的多被告判决预测
人工智能
2026-01-21 v1 机器学习
摘要
犯罪破坏了社会稳定，使得法律对于维持平衡至关重要。在多被告案件中，责任分配复杂且挑战公平性，需要精确的角色区分。然而，司法措辞常常模糊被告的角色，阻碍了有效的AI驱动分析。为解决此问题，我们将量刑逻辑融入预训练Transformer编码器框架中，以增强多被告案件中的智能辅助，同时确保法律可解释性。在该框架内，一种定向掩码机制澄清了角色，一种比较数据构建策略提高了模型对主犯和从犯之间罪责区别的敏感性。预测的有罪标签通过广播进一步纳入回归模型，整合了犯罪描述和法庭观点。我们提出的掩码多阶段推理(MMSI)框架，在针对故意伤害案件的自定义IMLJP数据集上进行评估，取得了显著的准确性提升，在基于角色的罪责区分方面优于基线方法。这项工作为增强智能司法系统提供了一个稳健的解决方案，代码已公开。
引用
@article{arxiv.2601.12688,
title = {Logic-Guided Multistage Inference for Explainable Multidefendant Judgment Prediction},
author = {Xu Zhang and Qinghua Wang and Mengyang Zhao and Fang Wang and Cunquan Qu},
journal= {arXiv preprint arXiv:2601.12688},
year = {2026}
}