溫榮：法律解釋的算法驅動及其應用規范 | 法商研究202505

【作者】溫榮（浙江師范大學法學院副教授）

【來源】北大法寶法學期刊庫《法商研究》2025年第5期（文末附本期期刊目錄）。因篇幅較長，已略去原文注釋。

內容提要：法律解釋經常面對解釋概念界定、解釋方法選擇、解釋論據收集和解釋結論權衡等多重不確定性，且始終處于競爭性甚至沖突性的語境，需要通過充分論證來減少爭議。法律解釋的論證過程既需要傳統的邏輯推理和“概念計算”，也需要適時引入定量計算以優化論證飽和度與分量權衡。這些計算過程的科學性和規范性可以通過算法思維和技術予以強化。論證圖式挖掘算法可以豐富法律解釋的論證圖式類型，回應法律解釋的論證程序匹配問題；語料庫語言學、實驗法、社會網絡分析等可以為語義辨別、體系解讀乃至價值判斷提供扎實的論據來源和科學的分析方法，從而提升解釋性論證的分量飽和度；重力公式等算法可以更好地輔助多個解釋性論證的評估權衡，并進行擇優選擇。算法驅動法律解釋也會遭遇論證上的可靠性、可接受性以及經濟性等問題，需要遵循簡約化、透明性、融貫性和輔助性要求，進行相應的規范約束。這意味著算法在法律解釋中只能是備選工具而非主導選項。

關鍵詞：法律解釋；法律論證；解釋性論證；算法；論證飽和度

目次 一、因何算法：法律解釋的計算問題 二、如何驅動：解釋性論證的算法構造 三、何以解釋：算法驅動法律解釋的限度與規范 四、結語

法律解釋是一項實踐技藝，但這種實踐技藝無論如何也不能淪為解釋者“無根據的決斷和無理由的任性”。法律解釋必須以扎實的根據和理由為基礎。而根據和理由源自何處、如何獲取，一直是法律解釋理論面臨的中心任務，也是學者們爭論不休的問題。近年來算法思維及大數據技術的興起對法律活動的組織管理、法律適用方法都產生了巨大影響，但主要集中在法律推理過程以及事實判斷領域，相對忽略了法律規范解釋的應用場景。本文試圖闡述和論證的是，法律解釋的根據和理由存在一定的可計算性。算法思維和技術的適當引入，能夠為法律解釋中遭遇的計算問題提供輔助，為法律解釋的根據和理由獲取提供工具支持。

一

因何算法：法律解釋的計算問題

（一）法律解釋的論證難題

法律解釋是一項權威性和規范性作業，應盡可能追求解釋活動的“客觀化”和“理性化”。根據哲學上經驗主義與理性主義的分野，法律解釋的確立路徑可以區分為經驗考察與理性分析兩種。經驗考察試圖從法律解釋的慣性實踐中總結解釋方法的規范來源，理性分析則努力從目的、語境和主體等維度找尋法律解釋的正當性理由。

英美法系國家法律解釋理論更多圍繞經驗考察展開。法官們通過判例提出了一系列具體的解釋規則，如文理解釋、黃金規則、論理解釋，等等。另據統計研究，美國聯邦最高法院最經常使用的是整體解釋和目的解釋，其后是以詞典為依據的文義解釋，再次則是遵循先例、立法史、語言規范等進行解釋。還有研究概括出了“語義-體系-目的-意圖”等解釋方法適用的梯次結構。然而，所有這類法律解釋實踐的經驗總結和特征分析提供的都只是一個概率性事實，并不能自動形成一個真正的程序性指令，是描述性的而非規范性的。與之相對，大陸法系國家更傾向于主張法學方法論在本質上是“規范性”的學科，是以規定的方式告訴解釋者如何作出解釋的學說。大陸法系國家的法律解釋理論近年來的努力重點包括兩個方向：一是對主要法律解釋方法類型的操作方案進行細化闡述，如針對文義解釋的肯定、否定與中性三領域理論，針對目的解釋的主觀理論與客觀理論等；二是試圖在不同法律解釋方法之間建立位序規則，以解決不同解釋方法的適用優先次序問題。其中，文義解釋和目的解釋的優先性得到了較為普遍的肯定。

然而，法律解釋仍要面對許多難題：（1）被解釋概念本身的不確定。由于語言天然的局限性，很少存在完全確定的概念，也很少存在完全確定的法律規范。（2）解釋方法選擇的不確定。盡管經驗提煉和理論分析已經梳理出主流的解釋方法類型，但是在具體案件中針對特定概念應當使用哪幾種解釋方法并沒有一個明確的指南。（3）解釋論據的不確定。法律解釋的方法就是收集論據和組織論據的方法。但不得不承認，論據本身是多樣的。不同論據的證明強度在不同語境下各有不同。法律解釋論據的證明力也不是絕對可靠的，本身就需要通過理性的檢驗和證成。（4）解釋結論權衡的不確定。針對同一個法律概念，使用的解釋方法不同，結論也可能不同。在抽象意義上，文義、目的、體系等解釋方法的位序規則也許可以成立，但由于各種論據的強度在具體的層面上是不同的，因此這種抽象優先性就不能發揮任何的決定作用。

并且，法律糾紛本身的對抗性將進一步加劇這些不確定性。法律糾紛當事方的立場沖突和利益沖突是現實的，對解釋方向各執己見是常態。司法是一個高度競爭性的對話和說理過程。這意味著法律解釋既不是簡單的語義闡發和主張聲明，也不僅僅是邏輯推論，而是一個理由提供的論證過程。只有完成對解釋論據證明力、解釋方法及結論選擇的證立，前述法律解釋的不確定性才能真正得到緩解，法律解釋本身的正當性才能得到證成。因此，法律解釋需要向論證轉向。論證首先意味著一套恰當的思維程序和規則。法律解釋的客觀化和理性化可以在這樣的思維程序和規則中得到強化。論證還意味著對理由供給的重視，解釋論據和解釋方法的選擇、解釋結論的證立，都需要充足的理由支持。在各項論據互相抵觸且不存在嚴格位序的背景下，對這些論據進行論證衡量是必要步驟。

但是，現有的法律解釋理論和實踐在論證轉向方面的準備有所不足。從法律解釋理論研究來看，對解釋方法內涵、類型、標準以及操作指引的探討較多，但論證意識相對缺乏，特別是忽視了論證對理由、說理程序和強度的要求。從法律解釋實踐來看，論據選取、方法選擇和結論得出的隨意性相當常見，即便對理由有所交代，也經常陷入理由虛飾、方法堆砌、就事論事的“霰彈槍模式”。以“公共利益”這一概念為例，在許多典型案件中，裁判者或是直接對公共利益下定義而未給出論據；或是通過體系解釋或目的解釋的方法進行補強，但論據往往又是“提升城市形象”或“改善居民生活環境”等更為抽象的概念，說服力明顯欠缺；還有些案件干脆用行政程序審查替代了公共利益的概念界定。這些做法實際上都回避了對公共利益概念的實質討論，也放棄了法律解釋的論證責任。

（二）解釋性論證的計算需求

法律解釋在論證上的不足，并不都是解釋者的主觀問題，論證技術也是一個制約因素。傳統上，法學以定性判斷為主，由此形成了一套對事物本質進行理性抽象的“概念計算”思維方法。法律解釋活動也運用這種“概念計算”，來維護自身的客觀化和理性化。然而，很多概念的解釋需要的并不是定性判斷，而是程度比較。“概念計算”并不足以回應法律解釋的全部需求。

任何事物都有質和量兩個部分，原則上都可以從性質上被理解和從數量上被度量。無論是定性判斷還是定量判斷，都各自揭示了事物屬性的其中一部分，具有各自的局限性。定性判斷缺乏對事物規模、等級、范圍、程度的描述，而定量判斷又缺乏對事物規模、等級、范圍、程度等在屬性、價值、主觀意義方面的把握。只有二者相結合，才能有效地對事物進行解釋和把握。同樣，在法律解釋中僅僅運用定性方法無法很好地界定法律概念的內涵和外延。定量判斷取代定性判斷，是科學化水平提高的一大標志。定量表達雖然有可能是簡化的，但是其是精確化的，可以對其進行嚴格的思考、處理和檢驗。因此，通過等級、范圍、程度的度量來界定概念，是解釋性論證不可缺少的重要方式。

定量計算在法律解釋中的應用，主要存在以下兩個場景：（1）從法律解釋的對象來看，許多法律概念的屬性本身就決定了其需要通過定量計算來進行解釋。一些法律概念的核心屬性就是數量或程度類的。名詞性概念有時效、期間、份額、工資、所得等，必須用數量形式進行表達。形容詞性概念包括均等、嚴重、惡劣、巨大、重大、相當、適當、合理等，也經常需要訴諸數量形式予以精確化。還有一些表面上非數量性的概念，對其解釋也往往依賴于定量化的方法，如過錯、不特定、公共等。例如，針對“過錯”這個歧見紛出的概念，漢德公式就是用預期預防成本與預期事故損失之間的數量關系來進行更精確的定義的。針對前述“公共利益”概念的解釋，將“受益對象為不特定的大多數人”作為一般標準就是常用的方法。而在實務中，觸及的人數本身就是認定“不特定”的重要參考因素。（2）從法律解釋的論證要求來看，論證的實現也需要定量計算進行輔助。正如德國法學家阿列克西所指出的，解釋性論證包括三個主要要求：即任何屬于解釋規準的論證必須達到飽和，文義或歷史上的立法者意圖比其他規準更具有優位（除非能夠提出其他反駁性的合理理由），不同論證的分量必須根據權衡輕重的規則來加以確定。飽和度與分量都是量的問題，需要一套科學的計算方法來進行測算。具體來說，論證飽和度主要是指理由的可靠和充分程度，而這依賴于各種論據材料的充分收集和綜合使用。在此過程中，論據材料的可靠程度和證明力均可以通過定量化處理來得到提升。在論證的分量權衡方面，只有借助一套定量的計算方法才能更好地進行直觀的比較和擇定。

可見，解釋性論證的進行，既可以借助傳統概念計算方法來展現論證的理性化和嚴謹性，也需要推進定量計算方法的應用，提高論證的飽和度和分量權衡的精確性。德國法學家拉倫茨曾指出：“與‘意義’相關的那些問題既不能通過實驗觀察，也不能借助測量或計算來回答。法學要面對的正是這種不可量化的問題。”但是，法學也不可能完全回避計算問題。法律解釋的客觀化和理性化要求重視計算，解釋性論證的程序和被解釋概念的表達也要求計算。

（三）解釋性論證的計算過程需要算法驅動

法律解釋領域的計算并不是無條件的，而是必須配套嚴謹的計算方法，否則將產生大量的隨意賦值和武斷解釋。正如論證強調程序一樣，規則和方法對計算也至關重要。算法正是對計算規則和方法的設定。算法是一種實現結構化輸入與輸出的特定計算過程，包括輸入端、輸出端和中間的計算程序。法律解釋領域的計算問題，需要高質量的算法來提升其論證的可靠性。

在解釋性論證領域，算法的援用首先有助于提高部分解釋問題的計算效率。對于“概念計算”來說，現代論證圖式理論為各種不同類型的命題設計了對應的邏輯結構和論證程序。法律解釋實踐對論證圖式的應用，可以為概念的定性判斷提供更為扎實的邏輯驗證方法。對于定量計算而言，法律解釋可以通過經驗事實的驗證來督促法律解釋主體在目的考量、利益衡量或價值判斷時趨于理智。數量型概念的具體數值、解釋性論證的飽和度、解釋性論證分量的精確計算，都需要大量的數據資料支持。而算法的優勢恰恰就在于通過數據和信息的收集，科學原理和經驗定律的定量表述，數學模型的表述、研究和證實來獲得科學洞察力。在算法的支持下，可以更高效地收集和計算大量關于文義、原意、目的的經驗數據，以滿足法律解釋的論證需要。

近年來算法技術的快速進步強化了此類計算的能力支持。技術瓶頸曾經是法律決策算法發展的重要制約因素。相關圖式和算法的質量不高。隨著論證圖式理論、文本解析、大數據統計學、大語言模型乃至生成式人工智能的進步，原來的技術瓶頸已得到突破。并且，全世界范圍內電子文本數據庫的迅速發展，為語詞證據的獲取、分析和處理提供了極大便利，給法律解釋帶來了革命性的影響。機器學習、神經網絡、大語言模型等前沿技術可以對人類決策思維進行高度近似化的模擬，為要件和目的識別以及高度復雜的解釋性論證提供強大的技術支持。在此基礎上，解釋論據的算法化和解釋規則的算法化就成為可能。二者共同支撐法律解釋要素的符號化、信息化、擬制化的轉換，實現“規范-要件-參數（變量）-數據-參數（變量）-模型-規范”的循環計算。法律解釋過程的計算機處理也具備了一定的可行性。法律專家系統、海波系統（HYPO）、羅斯系統（ROSS）、努馬系統（LUIMA）等法律系統已有所應用。法律解釋在算法技術上獲得的支持越來越強。

此外，算法在一定程度上也可以強化法律解釋過程的正當性。法律解釋必須追求正當程序。正當程序要求過程的透明性。“解釋者被要求必須考慮各種不同的解釋觀點，并說明他為什么要選擇某種觀點作為決定性標準。”因此，解釋性論證需要追求過程的可視化和清晰性，或者說是解釋思維活動的“外觀化”。算法可驗證、可復現的科學性特點，及其在論據處理和論證程序上的優勢，有助于支持解釋者用更客觀可見的形式提供清晰的法律解釋理由，解決解釋黑箱問題，增強解釋性論證過程的公信力和解釋結論的說服力。

在法律實踐中，數學和計算已成為越來越重要的決策工具。法律解釋可以借助算法思維和算法技術，驅動解釋性論證的概念計算和代數計算過程，強化其程序正當性和結論正確性。

二

如何驅動：解釋性論證的算法構造

如前所述，法律解釋的關鍵在于解釋方法選擇、解釋論據獲取和解釋結論沖突權衡。因此，由算法驅動的解釋性論證需要回應以下幾個問題：（1）基于特定的解釋對象類型，匹配確定具體的論證圖式類型，以推進解釋性論證程序；（2）按照論證圖式的要求，組織各種論據對解釋對象展開論證，得出有足夠飽和度的論證結論；（3）對不同論證結論的分量進行比較和權衡，確定優位關系，得出最終的結論；（4）對法律解釋的效果進行評價反饋，以供后續修正。由此完成算法對解釋性論證的流程支持和質量檢驗。

（一）通過挖掘算法尋找和匹配法律解釋的具體論證圖式

論證圖式一般是指論證從論據到論證結論之間的推論關系。不同的論證圖式具有不同的可靠性標準。法律解釋的論證圖式意味著解釋論據對特定解釋結論的邏輯指向結構，本質上是對解釋方法應用程序的精細化設定。論證圖式的正確選擇和使用，是法律解釋在邏輯計算方面提高效率和強化正確性的重要途徑。正如美國法學家霍姆斯指出的，不同的文字需要不同的解釋規則。因此，解釋性論證圖式的具體類型設計和匹配非常關鍵。

已有學者結合既有論證圖式類型和主要法律解釋方法，提煉了五大類型共十八種制定法解釋的論證圖式，包含反向論證、當然論證、自然語義論證、目的性論證、法律融貫性論證等，并例示說明了具體應用方法。除此之外，也有研究試圖通過設計更為具體的問題清單將法律解釋的論證圖式進一步精細化，以使解釋性論證的邏輯運算過程更為精準。例如，在日常語義論證圖式中，關鍵問題有：

表達式e是否有法律定義，或者在文獻中普遍采用的法律定義？

表達式e是否在專業領域之外的交流環境中實際使用？

是否有可靠的來源，記錄了將意義m歸屬于表達式e的情況？

然而，以上進展畢竟是學者們基于論證理論和解釋學理論所作出的學理建構，仍有可能陷入理論先行的窠臼。我們不能一開始就完全依賴某些公開的或隱蔽的偏見去為法律思維創造先驗規則，而應該通過收集足夠的材料去充分揭示法律思維的性質。近年來興起的論證挖掘算法正是收集和處理論證經驗材料的算法工具。

機器學習和數據挖掘技術，為從大規模文本中挖掘、解析和匹配論證圖式提供了新的技術方案。所謂論證挖掘，是指用機器學習等方法從自然語言中提取論據及其結構關系，一般分為參數信息檢測、參數成分分類和參數關系預測三個階段。論證挖掘在法律領域的應用在過去十年取得了一些進展。例如，匹茲堡大學的智能系統項目抽樣制作了一個包含一千多例案例全文的數據庫，并嘗試使用樸素貝葉斯、向量機等機器學習分類器進行了參數信息檢測。傳統機器學習模型和深度神經網絡也被應用于驗證參數分類和參數關系預測上的表現。有學者以373個歐洲人權法院判決為基礎，訓練出了一個優于現有自然語言學習的論證挖掘模型。論證挖掘技術與論證圖式理論的結合可在兩方面取得突破：（1）通過已有論證圖式，降低論證挖掘的技術復雜程度，并識別各種論證圖式的適用語境；（2）通過更多類型文本數據的論證挖掘，豐富已有論證圖式類型。由于法律解釋受眾的公共性，將解釋圖式挖掘文本對象限于法律專業文本，難免出現專業異化的弊端。針對爭議較強的案件，應當從日常語料數據庫中挖掘析取論證圖式和論證圖式的適用語境，彌合論證圖式發現和選擇過程中法律專業思維與日常思維之間的縫隙。

通過算法挖掘，還可以進一步細化解釋情境與論證圖式之間的匹配機制。不同解釋適用的論證圖式，可通過算法挖掘，對過去的經驗素材進行科學分析后加以判定。由此，法律解釋的論證圖式備選集可以得到進一步擴充，各種解釋性論證圖式的選擇適用標準也可以進一步得到明晰。對論證圖式挖掘算法的探索和應用，為后續解釋性論證活動的具體展開設定了相對精確的軌道。

（二）通過論據收集和分析算法提高解釋性論證的飽和度

論證圖式的構建和匹配，確定了解釋性論證的程序框架。但論證程序的具體展開，還需要依賴語義、體系、原意、后果、價值等各種相關類型論據的收集和分析。論據的規模化收集和科學化計算，能夠完成對論據證明力的檢驗，有效提高論證的飽和度。

針對專業概念的語義論證，特別是法律術語的論證，簡單的詞典查明或是以個別文獻作為證據顯然是不夠的。采用相關矩陣等方法，對司法判決等專業語料進行實證研究，提取通說，求得概念語義的專業識別標準，顯然更為精準。日常概念的“通常語義”論證就更是如此。既然是“通常”，就應該訴諸更廣泛的普通民眾。一種較早出現的測量方法是實驗調查法，通過問卷或其他方式模擬案件語境，對實驗對象進行訪問調查，以獲取一般民眾對法律概念的理解。例如，有研究表明，大部分人更多是以日常經驗出現的頻率而非漢德公式所代表的成本收益計算來定義“合理”和“過錯”的。另有研究在機器翻譯算法和統計學的輔助下，驗證了不同人群關于合理、善意、盡力等概念理解的組間差異。在一個判例中，美國聯邦最高法院的多數意見認為，“基于性別”這一概念要求性別與解雇行為之間存在充分條件式的因果關系，即性別是解雇發生的唯一原因。但對普通民眾的實驗調查結果顯示，大多數人并不以這種方式理解該短語，而是認為只要性別對解雇行為有所影響即可。當然，這種調查方法也要格外注意問題設計、背景信息、答題偏見等問題，否則容易出現偏差較大的結論。另一種晚近發展出來的科學工具是語料庫語言學，旨在針對包括書籍、報紙、網絡文本在內的大規模語言數據庫（語料庫），運用頻率分析、上下文分析、語言變異分析、語言模式等方法，揭示語言應用的規模、模式和語境。已有判例通過對當代美國英語語料庫和谷歌新聞的語料分析研究，來支持對諸如“信息”“避風港”和“解除”等概念的解釋結論。

在歷史資料文本數據庫擴容的前提下，語料庫語言學算法還可以為基于歷史的權威論證圖式提供更強的論據支持。例如，“商業”和“公共用途”是美國憲法解釋中常見的疑難概念，許多法官都秉持了原意主義解釋立場。而對美國建國時期英語語料庫的量化研究發現，在憲法誕生同時期的歷史文本中，“商業”的內涵多限于交易而非生產，“公共用途”則限于政府直接所有或所用的情形。語料庫語言學對語境的關注和處理方法，也為概念間的家族相似性測量指明了方向。通過對法律的語境單元進行分解，可以更好地區分概念內容的核心與邊緣，并據此對概念與概念、案件與案件的相似度進行評估，從而為同案同判和類推解釋的計算方案開辟道路。目前主流法律數據庫的類案指引功能就使用了相應的算法。

“體系”是一個抽象概念，這給基于法律體系和法律完整性的解釋性論證帶來巨大困難。法律條文浩如煙海，如何識別特定規范及其中概念所處的體系位置與供比對的關聯法條，是體系關聯算法要解決的主要問題。在理論上，關系越緊密的規范，越可以作為解釋的參考依據。識別法律規范之間的關系緊密程度，也是算法的重要應用場景。參考關鍵詞聚類分析方法，可以通過法律文書的數據分析，計算法條在文本中同時出現的頻率和距離，將之作為法條之間關聯度的測量指標。

目的論證圖式在后果評估方面的需求更能體現算法的優勢。某個解釋結論是否真的符合規范目的，需要評估該結論實際可能產生的后果。而對于這些后果的識別，解釋者個人的主觀判斷顯然不足為憑，必須通過科學的算法予以測量。作為因果關系識別的常用方法，結構方程模型、反事實模型、雙重差分法、貝葉斯推理等，都具有寬廣的作用發揮空間。在司法實踐中，相關實證研究和統計方法已經被廣泛應用于對傳播“淫穢物品”的行為影響、死刑威懾力、財產征用的公共效果等問題的評估。

價值問題帶有強烈的主觀性，與追求客觀性的算法似乎存在內在的沖突。如何為各種價值和原則進行排序和賦值，成為學者們致力于解決的重大問題。德國法學家阿列克西的重力公式理論為價值和法律原則的分量計算作出了開創性的理論貢獻。也有學者提出運用社會網絡分析方法，構建論題網絡矩陣，根據連線次數等方法對價值計算賦值。還有研究結合海波系統的案例數據，運用統計方法，對案例中所體現出的各價值標準的強弱關系進行評估。但是，這些方法都將賦值估算因素局限于法律系統內部。法律價值是一個社會整體性問題，更應該求得社會主體對于各項價值的認同分量。廣泛結合實驗法、語料庫語言學乃至認知心理學的應用，對論據進行更科學化的參數加工和計算，可能是更好的解決辦法。

通過問卷調查、控制實驗、語料庫語言學、統計學、機器學習等方法，法律解釋論據的數據化計算可以得到相當的實現，論據可靠性和解釋性論證的飽和度也能夠得到更大程度的保證。但是，這些算法形式并非絕對真理。各類算法不僅需要建立在一些可被證偽的科學預設的基礎上，而且必然存在測量誤差甚至是錯誤。統計學上的效度概念告訴我們，任何一種統計測量工具都有其內容效度、建構效度和關聯效度。法律解釋中的算法也不例外。算法的測量效度本身，應該是算法設計和應用時的重點考量因素。目前學界圍繞效度問題已建立的一套測量工具和測量方法，可以作為法律解釋操作算法的必要組成部分。

（三）通過分量評估算法實現解釋性論證結論的優位權衡

在疑難案件中，法律解釋的論證結構不可能是簡單論證，而往往是多重型論證和并列型論證。這就意味著論證結論之間很可能存在顯著的競爭甚至是沖突關系，因而需要進一步的比較和權衡。缺乏規范而具體的權衡指引，始終會帶來一些主觀臆斷問題。法律解釋的論證分量權衡旨在解決這一問題。所謂論證分量權衡，是指對各種解釋性論證的飽和度和重要性進行評估和比較。算法為分量的計算和權衡提供輔助。

論證結構的參數化改造是論證分量計算的常見方法。法律解釋的論證節點由解釋方法選擇、解釋論據組織和算法處理三部分構成。據此，可以提煉出一個簡單的計算公式：

解釋性論證分量=解釋方法權重*論據證明力強度*算法效度

在這一公式中，解釋方法權重可以根據解釋對象和論證圖式的不同類型進行賦值；論據證明力強度可以根據論據的來源、位階、時間、可信度等，形成相應賦值；算法技術有效性則用該算法的測量效度值來確定。在三個變量的參數確定之后，就可以計算出特定解釋結論的論證強度。例如，對于待解釋概念X（如近親屬是否包括表親），可供選擇的解釋方法包括文義、體系、目的和價值，且每種解釋方法均可以分別形成解釋結論P1、P2、P3、P4。若P1至P4解釋結論各不相同，分量最重的為P*，記為P*=max(P1, P2, P3, P4)，則最終解釋結論C=P*；若P1和P2共同支持解釋結論C1，P3和P4共同支持解釋結論C2，則C1=P1+P2，C2=P3+P4，解釋性論證權衡最終結論為C=max(C1, C2)。如果概念X屬于描述性概念和專有概念，那么文義和體系解釋方法相對更為重要，目的和價值解釋相對較弱，可以為四種解釋方法分別賦予5、4、3、3的權重。同時，假設關于概念X的文義、體系解釋論據來源主要是法律規定、詞典、日常語料等，但論據材料充分度有所不足且論據之間存在一定分歧，那么對應論據整體強度賦值分別為3和2，目的和價值解釋論據主要是社會觀念和社會效應等，論據強度分別為3和4。文義解釋所使用的語料庫等算法效度為0.7，體系解釋所使用的體系關聯算法效度為0.6，目的解釋所使用的后果測算等算法效度為0.8，價值解釋使用的網絡分析和語料庫算法效度為0.6。則P1、P2、P3、P4的論證分量分別為：

P1=5*3*0.7=10.5；P2=4*2*0.6=4.8；P3=3*3*0.8=7.2；P4=3*4*0.6=7.2。

可以看出，P1具有最高的論證分量。同時，由于P1和P2支持結論C1,P3和P4共同支持結論C2，因此C1=P1+P2=10.5+4.8=15.3>C2=P3+P4=7.2+7.2=14.4。解釋性論證分量權衡最終結論為C1，但也可以看出C1對C2的優勢并不明顯。

當兩種解釋的論證分量絕對值差異較小時，其作為權衡依據的說服力明顯不足。任何恰當的權衡都需要符合比例原則，盡量減少對法律解釋結論融貫性的侵害。權衡算法最好不要在不同解釋性論證結論之間制造更大的爭議。常出現的狀況是，盡管文義解釋的論證分量更高，但根據文義解釋產生的結論對目的和價值的偏離和破壞程度也更高。如果強行根據文義解釋作出解釋結論，那么會與目的解釋、價值解釋等方法得到的結論產生過大的矛盾。例如，將近親屬限于三代以內直系親屬，排除具有撫養關系的舅甥的解釋結論，符合《中華人民共和國民法典》等法律法規的文義，但與基于公序良俗形成的解釋結論偏離程度較高。相反狀況亦可能出現。

德國法學家卡納里斯認為法律解釋方法與法律原則類似，也會因各自所依據事實的不同而擁有不同的權重。因此，參考阿列克西的法律原則權衡重力公式理論，可以構造新的解釋性論證分量權衡算法。重力公式理論的核心思維是，除了考慮特定解釋結論的絕對論證分量，還應考慮該結論的相對論證分量。以重力公式中相對簡單的差公式法為例，一個特定解釋結論的相對論證分量等于其絕對論證分量值減去對其他論證結論的偏離程度值。通過簡單權衡算法計算出各個特定解釋結論的絕對論證分量后，進一步考察該結論對其他結論的偏離度，然后計算出每個解釋結論相對論證分量值。據此選擇出其中相對論證分量值最高的論證結論作為最終解釋結論。

以前述概念X（如近親屬）論證分量計算為例，P1分量為（抽象重力）10.5，P2分量為4.8，P3分量為7.2，P4分量為7.2。

假設：

取P1時，對P2偏離度為0，對P3偏離度為3，對P4偏離度為3，則P1的相對論證分量（相對重力）為rP1=10.5-0-3-3=4.5；

取P2時，對P1偏離度為0，對P3偏離度為1，對P4偏離度為1，則P2的相對論證分量為rP2=4.8-0-1-1=2.8；

取P3時，對P1偏離度為1，對P2偏離度為1，對P4偏離度為0，則P3的相對論證分量為rP3=7.2-1-1-0=5.2；

取P4時，對P1偏離度為1，對P2偏離度為1，對P3偏離度為0，則P4的相對論證分量為rP4=7.2-1-1-0=5.2。

則：

C1=rP1+rP2=4.5+2.8=7.3；

C2=rP3+rP4=5.2+5.2=10.4。

C1

可以看出，簡單權衡算法更具有直觀性，但重力公式法體現了權衡的真正精神，更有利于鞏固法律解釋結論的正當性。在論證分歧較大的情況下，重力公式法顯然更具有優勢。

當然，無論是何種方法，都無法避開參數賦值問題。如果缺乏穩定的標準，那么參數賦值的隨意性將抵消權衡算法在精確性和正當性方面的價值。解釋算法的技術有效性賦值存在相應的統計學工具可資運用。關于解釋方法權重和解釋論據強度，還需要建立一個系統的賦值清單。這一清單的建立存在兩種操作方案：一種是專家打分法，由法律專家根據法理和實踐經驗對不同情形下的解釋方法權重和解釋論據強度進行打分；另一種是通過對已有司法實踐數據的回歸分析，獲取對解釋方法權重、解釋論據強度及其影響因子的相應參數。這兩種方法分別對應早期的法律專家系統和案例分析推理系統兩種模式。

（四）運用論證評價算法檢驗法律解釋的論證質量

與其他論證一樣，算法驅動的法律解釋過程仍然可能存在各種各樣的可靠性問題，包括邏輯不一致和語用不一致。更為嚴重的是，還可能存在客觀效果和主觀可接受性上的缺陷。由于法律解釋活動不可避免的主觀性和算法技術的局限，這些問題不可能完全被消除。因此，事后的論證評價是解釋性論證的必要組成部分。算法在這一環節仍然可以扮演一定角色，以提高論證評價的效率和客觀性。

法律解釋的內在邏輯可靠性檢驗是一個相對簡單的問題，算法程序本身就可以實現內嵌的高效檢驗。但法律解釋的語用可靠性，或者說解釋的客觀效果和可接受性，則需要根據解釋的實際后果進行檢驗和評價。法律解釋旨在實現糾紛解決和規則之治，一方面直接服務于個案解決的司法決策，另一方面也為法律規范的理解和法治運行提供范例。因此，法律解釋的論證評價可以從個案和整體兩個方面入手。個案評價可以通過相關審判質效指標（如上訴情況等）進行測算。整體評價則需要通過該解釋結論的后果，包括后續司法決策和社會運行的影響效應以及社會接受度進行評估。在普通法系國家，判例征引制度及據此形成的判例效力強度標識（如Westlaw的KeyCite和LexisNexis的Shepard’s Citation）可以作為測量法律解釋參考價值的一個簡單代理變量。非判例法國家則可以通過斷點回歸等因果識別算法，測量法律解釋算法及其特定結論對后續判決的影響效應。法律解釋結論的社會接受度，則可以通過前述問卷調查或實驗方法，對解釋結論的社會認知狀況進行測量和評估。

這樣，基于解釋性論證的理論要求，借助日漸豐富的算法技術，法律解釋的論證轉向和計算需求就可以得到更好的回應。這一法律解釋的算法驅動過程，如表1所示：

表1 法律解釋的算法驅動過程

三

何以解釋：算法驅動法律解釋的限度與規范

法律解釋的論證過程可以應用算法，但算法必須服從論證的可靠性、可接受性和說理經濟性要求。在這些方面，算法仍然存在許多明顯的技術不足和倫理缺陷。有必要建立相應的應用規范，確保算法在法律解釋活動中不被濫用，從而充分實現其正面價值。

（一）算法驅動法律解釋的適用局限

第一，算法驅動法律解釋的可靠性問題。算法本身的局限會影響法律解釋的論證質量。法律解釋的算法技術需要法律系統內外的大量數據。數據不足或數據失真將導致可靠的計算結果難以獲得。法律解釋的論據需求十分廣泛，需要實現跨領域數據的集成。如果各類數據庫之間的通道受阻，那么將無法實現算法的有效運用。由于數據本身存在來源性、模糊性與孤立性這三重困境，因此應用系統難以實現實體性的法律決策輔助。除此之外，算法結構本身的科學性和有效性是另一個難題。算法與法律在運行邏輯、有效性來源、認知方式上并不完全一致。隔閡的存在削弱了算法在法律領域的有效性。以在法律解釋算法中扮演關鍵角色的語料庫語言學為例，語言學規則與法律規則聯系的緊密度存疑。語義學規則涉及語詞與事物之間的關系，而法律規則涉及法律對現實事件和現實行動將要產生的影響。語料庫等數據資源呈現了特定時間特定說話者群體在統計學上的相關性，但很多時候如果不知道說話者的意圖，就無法知道這個詞的確切含義。在我國，由于我國文化的高語境性，在不掌握隱性語境的前提下，語料庫語言學結論的弱點就更容易被放大了。此外，解釋性論證中的分量評估和分量權衡，需要對解釋方法、論據強度等進行賦值，而價值的不可通約性使得這種賦值經常遭遇基礎性困難。

第二，算法驅動法律解釋的可接受性問題。即便算法驅動法律解釋得出了可靠的結論，也還存在認知上的可理解性和情感上的親近度問題。理由的可信度永遠取決于言說者與傾聽者之間的關系。算法畢竟是一種高度專業化的技術，很難避免知識門檻所形成的天然阻遏效應。法律專業人士都對算法的運作原理和操作技術存在明顯的能力局限，更不用說普通人。因此，對于由算法產生出來的法律解釋結論，人們不免會有相當強的陌生感。對價值、情感乃至人性弱點的親近是人的天性。人們一方面抱怨不確定性，另一方面又對說不清道不明的司法技藝艷羨不已。算法形式與常情、價值存在的這種天然隔閡，是法律領域對計算理念產生排斥感的一個重要原因。另外，算法黑箱問題在法律解釋領域同樣難以避免。隨著算法復雜度的逐漸提高，算法的內部運算過程也越難被理解。而在人工智能領域的深度學習等算法，其參數及參數間的關聯性高度模糊，因果關系難以識別。如果法律解釋領域的算法也存在類似的黑箱狀態，那么非但無法取得較之傳統法律解釋范式在清晰性和透明性上的優勢，反而會破壞司法過程的對話、交往、信任等程序正義價值，甚至有學者質疑其將變成以維護智能算法所有者利益為旨歸的專斷獨白。算法驅動法律解釋還可能造成對司法固有屬性和原則的沖擊。審判的獨立性、法官的主體地位、庭審中心主義、法律規則相對技術事實的優位性，均有可能遭到顯著的削弱。我們必須承認，法律人工智能“還只是比較初級的系統，還沒有完善或發展到能使每個人都認同它們的階段”。算法在法律解釋領域的應用也不例外。

第三，算法驅動法律解釋的經濟性問題。法律解釋方法選擇和適用的一個很重要的標準就是“說理上的經濟性”。減少錯案會降低錯案直接損失，但同時也可能會提高錯案的預防成本。不計代價預防錯案在經濟上是不理性的。同樣，論證的最優性除了考慮論證可靠性和可接受性外，還必須考慮提高可靠性和可接受性所造成的論證成本是否過高。算法的確在某些語境下有助于提高解釋性論證的可靠性，但算法畢竟是技術密集型的，對于個體來說應用難度普遍偏高。法官或律師很難通過簡單的知識補習就勝任這一工作。并且，算法往往還需要配套大量的信息數據收集工作，成本投入往往令人望而生畏。在一些非重大案件中，應用算法進行論證不具備說理經濟性。

（二）算法驅動法律解釋的規范約束

算法驅動法律解釋存在的問題是客觀的，甚至是必然的。這意味著算法在法律解釋領域存在一些適用的前提條件。

首先，遵守簡約性要求，強化算法介入論證的效率考量。（1）堅持算法應用的例外性。算法的技術復雜程度和數據成本相對較高，非重大疑難案件或是在其他常規解釋方法已經能夠很好地解決解釋爭議時，不建議應用算法進行法律解釋。（2）注意算法的擇優選用。在各種備選算法準確性差異不大的前提下，應當優先選擇相對簡約的算法。盡管深度學習、大語言模型等復雜算法在推動人工智能成熟利用方面有著無可比擬的優勢，但成本和門檻都相當高。算法的簡約化，有助于降低算法理解和使用的門檻，消除論證成本過高的爭議。算法在計算機出現之前已經存在很久了，與人工智能并沒有必然的聯系。當前法律解釋實踐在多數情況下需要的只是簡單算法而非復雜算法，更不一定需要人工智能。前述解釋性論證權衡算法，沒有使用特別復雜的數學模型，但仍然有其實用價值。

其次，遵守透明性與參與性要求，以提升解釋性論證的程序正當性。即便法律解釋特殊場景對算法驅動有所需求，也需要破除算法黑箱問題，確保算法應用的正確性和正當性能夠得到檢驗。應對算法黑箱的常用方法是強調算法的可解釋性或透明性。有必要將法律解釋算法的主要計算模型通過司法解釋予以確定、統一和公布，對可用數據來源進行前期的探明和甄別，在個案的裁判文書正文或附件中對算法使用的數據來源和計算過程予以說明。當然，也必須意識到，算法的決策標準隱藏在我們無法輕易閱讀和理解的代碼面紗后面。即便是制度強行要求進行數據和代碼的公開，也不等于算法的可理解；即便被理解，也不一定能暴露其存在的問題。公開的信息越多，因信息過剩堆積而產生的盲點也可能更多。因此，建立法律解釋算法設計的公眾參與程序，以“參與”和監督彌補“透明”的不足，才能真正鞏固公眾對法律解釋算法應用的信任。

再次，遵守融貫性要求，提高解釋性論證的實體可靠性。融貫既是法律體系性存在的展現，也是法律證成的要求。法律解釋的最終目標，需要著眼于原則、規則乃至更大范圍的社會規范之間融貫性的實現。算法驅動法律解釋也應該遵循這一融貫性要求，關注原則與原則之間，規則與規則之間，原則、規則及其他社會規范之間的關聯和內在統一性，并以此作為算法設計和評估的關鍵標準。此外，算法驅動法律解釋復合了技術過程和法律過程，因而還需要強調法律規范與技術方案之間的融貫性。算法結構應當反映法律體系結構的特性，算法的計算過程也應當與司法判斷程序保持協調。更重要的是，在法律解釋過程中，算法與法學理論應當努力追求“視域融合”。法學解釋理論注意審視和吸收算法驅動產生的新見解，算法更應當遵循法學的思維規律和主流價值訴求。在法律、社會、技術之間塑造良性的互動關系，應當作為算法驅動法律解釋追求的重要目標。

最后，遵守輔助性要求，避免算法技術對法律規范的僭越。法律解釋必須明確“法律規范先于運算規則”這一基本理念。無論怎么強調算法的價值，作為一種技術方案，當下算法在法律解釋過程中仍應保持輔助性角色。法律解釋只是司法決策的一個環節，即便算法得出的解釋結論正確，該結論也不是司法決策的唯一考量因素；即便該結論能夠為司法決策提供直接指引，法官的主體責任制也仍是目前的法定要求，不可能被算法取消。法官必須從總體上支配法律解釋過程，防止過度依賴算法而導致司法異化。為了貫徹這一要求，法官在應用算法進行法律解釋的過程中，應該采用如下步驟：（1）結合個案特性，判斷算法應用在該案法律解釋活動的必要性；（2）根據解釋需求，對備選算法進行評估和擇定；（3）對數據來源進行可靠性甄別；（4）根據司法經驗和規范性共識，初步評估算法解釋結論的準確性和可接受度，如果嚴重違背常識，或者有其他充足理由推翻該結論，那么可以在說明理由后拒絕采用該結論。

論證是關于證成的過程。但論證過程本身也需要證成。作為一種論證技術的算法，同樣需要給出其被應用的充足理由。為算法而算法，或是僅為包裝論證而進行的“修辭性”算法應用均是不妥當的。在法律解釋領域，始終要堅持不必要的案件不應用算法，不應用不可靠的算法，不應用過度復雜的算法，不應用與司法正當程序不兼容的算法。只有經受住了這些必要性、透明性、簡約性、融貫性的檢驗，算法驅動法律解釋的正當性本身才能得到證明和接納。在此過程中，《最高人民法院關于規范和加強人工智能司法應用的意見》規定的安全合法、公平公正、輔助審判、透明可信、公序良俗等基本原則應當得到充分貫徹。

四

結語

法律和法律理論的發展與技術變革始終存在共線關聯。在德國社會學家韋伯看來，現代法律形式主義追求一種更類似“可計算的”法律，法律制度能夠像一部具有技術理性的機器那樣運轉，并使人們得到越來越多的機會去預測自身行為的法律后果。美國法學家卡多佐也曾期待法律爭議能像會計爭議一樣處理。這當然都是修辭性的表達。算法在法律解釋中的應用場景得到了拓展，但其絕不意味著對傳統法律解釋思維的替代，而是通過解釋理念、解釋論據和解釋規則的技術更新，增強法律解釋的論證效果。這一努力的意義并非只是技術性的，它還旨在進一步強調法律解釋所需要的論證程序和理性品質。然而，我們也不宜過度期待算法驅動法律解釋的飛躍式發展，而是需要對它的進化迭代保持足夠的耐心，從弱版本的算法意識和算法利用實踐開始，積累經驗、教訓和成果，去見證它的漸進生長。更為重要的是，算法驅動的法律解釋，只是提供法律解釋的輔助動力。它有時可以減輕解釋者的論證負擔，但有時也需要解釋者付出更多的智力投入。雖然算法驅動的法律解釋可能更加縝密，但它仍無法覆蓋法律解釋的每一個層次。規則性原則、法律專業能力以及來自語境的推斷，都將繼續指導法律解釋。人，而不是算法，始終是法治和公正的最終守護者。

-向上滑動，查看完整目錄-

《法商研究》2025年第5期目錄

【法治熱點問題】

1.新時代刑事辯護制度的發展趨勢與修改面向

陳衛東

2.公益保護體系中的環境公益訴訟制度構造

劉長興

3.論民法典一般條款的溝通功能

石一峰

4.投資條約下企業社會責任的法治化形塑與中國方案

胡曉紅

【網絡與信息法】

5.論數據泄露受害人精神損害的認定

解正山

6.法律解釋的算法驅動及其應用規范

溫榮

【法學論壇】

7.行政監督的功能定位及體系完善

秦小建

8.稅法的調控功能及其憲法約束

劉志鑫

9.功能分析視角下自然資源資產產權制度的“三權分置”模式研究

姜淵

10.合同有效型締約過失責任適用范圍的重構

——基于締約過失責任與違約責任競合關系的思考

于程遠

11.中國傳統典權的權利結構及運作機制

馮學偉

【創新型國家與知識產權法】

12.專利侵權訴訟的二階構造與程序展開

李凌

《法商研究》雜志是中南財經政法大學主辦的法學類核心刊物，雙月刊，系中國百強報刊、中文社會科學索引（CSSCI）來源期刊、中文核心期刊、RCCSE中國權威學術期刊（A+）、中國人文社會科學核心期刊、中國高校精品社科期刊。我刊設置有“法治熱點問題”“法學爭鳴”“法學論壇”“法律適用”“網絡與信息法”“創新型國家與知識產權法”等欄目，并適時增設其他新的欄目。《法商研究》雜志立足于“探求法意、傳承學術”的辦刊理念。為構建中國特色、中國風格、中國氣派的法學理論提供高端前沿平臺。

點擊進入下方小程序

獲取專屬解決方案~

責任編輯 | 郭晴晴

審核人員 | 張文碩 韓爽

本文聲明 | 本文章僅限學習交流使用，如遇侵權，我們會及時刪除。本文章不代表北大法律信息網（北大法寶）和北京北大英華科技有限公司的法律意見或對相關法規/案件/事件等的解讀。