LJP 永远看不到的案例：更完整的刑事责任评估中的起诉决定预测

法律判决预测（Legal Judgment Prediction, LJP）已成为评估 AI 在刑法领域核心基准，但其仅看到已通过起诉审查并正式起诉的刑事案件，留下了评估刑事责任的显著盲区，忽略了涉及证据不足、无刑事责任或因谋取从轻处罚而免于惩处的案件。为填补这一空白，我们提出“起诉决定预测（Prosecution Decision Prediction, PDP）”，这是围绕起诉审查构建的首个 Legal AI 任务，对每个案件分类为起诉或三种非起诉决定之一，并反映了法律 AI 在证据评估、法律从属关系和价值基于的 discretion 方面的能力。我们进一步构建了“PDP-Bench”，包含 4630 份真实中国起诉决定的基准，覆盖 190 项罪名。大量实验表明，最先进的大语言模型在 PDP 上表现远低于在 LJP 上的表现，主流的增强路径也未能缩小差距。此外，受控的 RLVR 干预显示，简单的结果奖励难以产生可泛化的 PDP 判别能力。