以“大模型—微算法”推動檢察業務與智能技術深度融合

褚爾康

□在看到各地檢察機關積極擁抱大模型技術,深度開展“人工智能+法律監督”機制探索并取得成效的同時,也應當清醒地看到,基層檢察實踐活動中人工智能技術的應用也遇到一些亟待解決的問題。

□基于“大模型—微算法”協同架構的人工智能法律監督體系,采用基礎算力平臺、服務管控平臺和應用層三級技術架構,實現全鏈條智能化賦能。

近日,國務院印發《關于深入實施“人工智能+”行動的意見》,進一步部署人工智能技術在各領域的廣泛應用,深度推動人工智能技術賦能各行業的發展。近年來,全國檢察機關深入貫徹最高人民檢察院數字檢察戰略部署,積極應對技術發展趨勢,不僅探索推動了本地化部署及模型訓練,也在相關領域積極研發大模型應用場景。檢察業務與智能技術的深度融合正在重塑司法運行模式,以技術革新推動司法資源配置的持續優化,為法律監督效能的提升注入新的動能。

在看到各地檢察機關積極擁抱大模型技術,深度開展“人工智能+法律監督”機制探索并取得成效的同時,也應當清醒地看到,基層檢察實踐活動中人工智能技術的應用也遇到一些亟待解決的問題。例如,技術適用與業務銜接不夠緊密、監督應用場景與大模型技術整合度不夠等,這些問題在一定程度上影響了人工智能技術在檢察業務中的深入應用。因此,如何從理論層面回應當前人工智能檢察實踐探索中出現的新問題,并從中找到解決之道,成為當前人工智能賦能檢察業務工作的重要任務。

相關問題的解決思路

針對實踐中人工智能檢察運行遇到的問題,筆者提出“大模型+微算法”的系統架構思路。該設計思路主要基于我國檢察業務管理體制,并嚴格遵循機構設置及相關案件在最高檢業務應用系統中的權限劃分,即該系統設計整體思路是根據任務特性通過模型的功能精細化實現,以達到法律監督工作“算力—算法—場景”的有機統一。

模型調用的以“大”帶“小”。在“大模型+微算法”系統架構模式下,大模型作為“智能組織者”,其核心功能是管理與協調,扮演系統“總指揮”角色。即:最高檢部署一個超大規模的頂層智能中樞法律大模型,該模型不直接處理各省的海量日常請求,而是作為全國范圍內的智能調度與規劃中心。此時,大模型在功能上只負責整體參數體系的依托而不直接參與具體的模型執行,極大減輕了其算力負荷,使其能專注于處理最復雜的任務分解與微系統調用協同。而“微模型”體系則利用本地算力資源,通過微調或訓練,構建專注于特定領域的專業化小模型集群。該模式更強調大模型的指揮地位,適用于對跨業務場景協同與全局規劃要求較高的場景,架構層次清晰,并強調各地微模型的協同化處理過程,從而實現數據層面的“央”“地”功能整合。例如,在案件辦理過程中提出“辦理某詐騙和洗錢案”的案件審查要求時,該請求將被上傳至大模型體系中進行自然語言分析處理。此時,處于中央智慧地位的大模型憑借其參數規模設置與復雜推理能力,將任務分解為調用“詐騙罪證據審查微算法”和“洗錢罪案件審查微模型”命令。隨后,大模型將這一結構化工作流指令下發至相關微模型平臺,由相關平臺調度本地相應的專業小模型序列執行任務,最終將結果整合并層級返回大模型進行整合處理。此時,微模型的物理存儲與算力提供可以由相關省、市院提供,從而形成了數字空間體系中辦案機制整體性整合,從而達到更加有效的智能化處理結果。

算法設計的“大”“小”協同。大模型本身作為一類特殊的“智能體”與其他小模型處于高度關聯耦合性存在。因此,有效解決大模型通用性與專業性協調不足的關鍵在于如何實現算法體系設計的“大小協同”性問題。而基于中央大模型與邊緣小模型協同架構的新一代檢察智能體系統思路,則能夠有效解決大模型設計與運行中的突出矛盾與問題。在系統建構過程中,最高檢可以將優化后的大模型以預訓練“封裝”形式提供給省級院,各省在本地算力集群中既統一部署通用性“大型智能體”,也在此基礎上自行研發部署一系列“專業小模型智能體”。例如,檢察官提出需求后,省級智能調度器根據任務類型動態分配至相應智能體,將簡單、標準化任務(如證據校驗、文書生成)直接交由專業小模型處理,充分發揮其速度快、成本低的優勢;而對于復雜、非標準化或需深度推理的任務(如新型網絡犯罪研究、長篇法律文書撰寫)則提交統一通用大型智能體處理,利用其更強的通用能力,最終形成既集中統一又充滿地方創造活力的全國檢察智能生態。而在算法體系層面,基于現行外掛知識圖譜技術,兩種模式并非互斥而是可以深度融合并協同運行。

應用場景的以“小”見“大”。實踐中,案件審查往往需要采用“一罪名一模型”的精準賦能策略,實現從“萬金油”到“專科醫生”的轉變。因此,在人工智能大模型的檢察業務場景部署過程中,秉持“一罪名一模型”的專業化“精準”理念,充分發揮小模型在從通用工具轉向領域專家的過程中不可替代的作用。例如,危險駕駛案件智能體專注于校驗血醇報告、查獲經過、證人證言等要素的完整性與合法性,其精度與速度遠超通用模型;公益訴訟線索發現智能體經專門訓練,能從海量政務數據中識別環境、食藥等領域的公益訴訟線索;等等。因此,不同于最高檢統一部署大模型的規模性和專用性,在省市級智能體平臺上并非僅部署一個大模型,而是部署一系列“微模型”,每個微模型對應一個小的智能體,共同組成專業化智能體集群。每個智能體都是“罪名專家”。不同地區因經濟發展水平等因素,量刑標準可能存在差異。通過為每個智能體外掛本地化知識庫,并結合小模型的微調,可有效解決大模型的“水土不服”問題。同時,基于“應用—反饋—優化”技術閉環,可以在本地部署中實現小模型矩陣的可持續進化,即相關大模型靜態體系在一定程度上要保持相對穩定性,從而避免算法幻覺出現,而本地微模型則注重持續學習的反饋閉環,使相關智能體矩陣在一定程度上具備自我學習的能力。

系統設計思路與技術路徑

基于“大模型—微算法”協同架構的人工智能法律監督體系,采用基礎算力平臺、服務管控平臺和應用層三級技術架構,實現全鏈條智能化賦能。該架構充分體現“統一標準、分級部署、協同智能”的設計理念。相關模型的設定采用“一罪名一模型、一場景一智能體”的微算法小模型智能體建設策略設計理念。通過外掛知識庫系統,建立多級知識庫體系,包括法律法規庫、典型案例庫、司法經驗庫等。采用量化檢索和知識圖譜技術,實現知識的精準匹配和智能推薦。知識庫通過標準API與微算法智能體對接,確保法律適用的準確性和時效性,同時支持知識的持續更新和演進。而每個流程節點對接相應的微算法智能體,如證據審查節點調用證據校驗智能體,量刑建議節點調用量刑計算智能體。工作流引擎根據案件類型和特征,自動調度智能體序列并監控執行過程,實現辦案流程的智能化閉環管理。而且,建立模型效果評估和反饋閉環,通過檢察官使用反饋持續優化智能體性能。采用在線學習、強化學習等技術,使智能體能夠自適應法律政策變化和新型犯罪形態,保持監督能力的前瞻性和有效性,通過算法架構體系建構與智能體技術深度應用的有效結合,構建完成從理論到實踐、從技術到應用相統一的法律監督體系。該系統既能滿足對現有辦案流程的智能化賦能需求,又通過引入分布式架構等前沿技術,為未來的監督模式創新提供可擴展的技術基礎,為新時代檢察工作高質量發展提供堅實支撐,并為檢察工作的數字化、智能化發展探索方向。

(作者分別為天津師范大學政治與行政學院教授、博士生導師,山西省陽城縣人民檢察院辦公室科員。本文系2025年度最高人民檢察院檢察應用理論研究課題《法律監督人工智能大模型的運行機理問題研究》的階段性成果)

[責任編輯：劉蕊]