通过数字赋能构建智能评查应用场景，对所有案件实行智能化评查分类，实时从案件中总结办案规律，结合评查案件为检察官在办理案件过程中提供常见错误提醒、量刑辅助、类案提示等智能化的辅助服务。
□要探索通过智能化手段，将案件评查的“事后”效果转化到检察官办案的“事前”预防，将问题转化为风险提示点，全方位激活评查数据，将评查结果转化为案件质检，将案件可能出现的问题解决、纠正在裁判结果作出前。
最高人民检察院党组强调，“切实把检察管理从简单的数据管理转向更加注重业务管理、案件管理、质量管理上来”。案件质量评查是落实“三个管理”的有效抓手，对检察办案起到监督、制约、促进的作用，为实现“高质效办好每一个案件”提供制度保障。
当前，案件评查工作遇到的问题主要体现在以下方面：一是案件评查人员较为固定，易导致内部监督虚化。目前，案件评查工作一般会设置专门的评查小组或评查员库，由相对固定的人员开展评查工作。二是评查标准和尺度不统一，不利于统一办案标准。评查案件多依靠人工，对于类似的评查案件可能会产生不同的评查意见，一定程度上可能会影响评查工作的权威性。三是评查效率较低，难以适应当前案件质量监督及时、精准化的需求，面对大量的评查案件，在时间有限的情况下，评查人员工作的重点可能较多放在查找案件的问题并给出评查结论，往往难以较为细致地逐个比对和查阅案件卷宗、查找类案等材料得出问题产生的原因，评查效率、准确度、效果都大大降低。
笔者认为，通过数字赋能构建智能评查应用场景，对所有案件实行智能化评查分类，实时从案件中总结办案规律，结合评查案件为检察官在办理案件过程中提供常见错误提醒、量刑辅助、类案提示等智能化的辅助服务。
搭建数据库。一是完善法律法规数据库。从国家法律法规数据库、正义智库等数据库中汇集各类法规规章，按照基于机器学习的提取规则对法律规范进行结构化处理，将法律法规条文形成数据世界中的一组可关联的数据集，再对结构化法律规范进行标注，确定实体之间可能存在的关系类型，并为每种关系定义一个标识符，在达到一定数量级后进行机器学习，可通过奖励学习模式标志进行自动标注、确定关系，使用三元组来根据实体和关系表示法律条文知识。二是丰富案例数据库。除收集指导性案例、典型案例等及裁判文书网上公开案件外，将本地区、本院以往评查过的案件输入数据库，对案例按照种类、特性进行分类，并通过文本语言分析提取关键信息，把案例按照认定事实、法律适用逻辑化解剖，再通过“人工标注+批量学习”方式将事实与法律适用相对应，使得模型能够自动识别案件事实与相关法律条文之间的联系。三是搭建易错案件特征数据库。对以往被评为瑕疵、差错的案件归集为易错案件数据库，从证据审查和采信、事实认定、法律适用、办案程序、文书制作和使用、释法说理、办案效果、落实司法责任制等方面进行特征化分析，对案件办理质量进行全面检查、分析。
构建智能化评查路径。第一步：对需要评查的案件进行筛选。对于常规评查案件，可以由系统进行自动筛选，如对于无罪判决、撤回起诉、捕后不诉的案件自动划入评查系统。对部分案件，可以由部门主任、检察长标注，如对某些重点评查案件经标记后纳入案件评查系统。第二步：初步过滤实现案件分流。通过关键词筛选对因出现新证据、法律法规变化而导致的无罪判决、撤回起诉、捕后不诉案件自动判定为不是错案，无需评查人员进行甄别。第三步：比对案件事实得出与数据库中相似案件。基本事实部分可从审查报告认定事实中直接提取，通过长文本语言分析转化为结构化数据与数据库中已形成结构化数据的事实进行比较，可将基本事实分解为认定法律事实的关键点，再从待评查案件基本事实与数据库案件事实提取相似点与差异点，再对相似点与差异点进行赋分，若达到设定分数可认定为相似案件；反之，则认为数据库案件与待评查案件不具有相似性。第四步：比对法律适用是否一致，模型经以上路径得出被评查案件与数据库案件基本事实相似，则可进入本路径分析法条适用是否一致。比对的数据来源为判决书引用法条及裁判结果，将引用法条转换为结构化数据对比引用的法条是否一致，再与数据库相似案件进行比对，法条不一致且结果存在偏差即比对不一致者则由系统进行相应标记。
实现全流程案件评查。智能评查应用场景可以实现案件评查各环节在线操作、流转、留痕。一是可以不再受案件范围的限制，依托全国检察业务应用系统，根据案件评查工作需要，实现评查案件在线标记、筛选，将需要评查的案件实时纳入评查系统，并自动通过调取相应数据库，匹配案件卷宗和裁判文书，实现评查材料在线查看和流转。二是根据评查工作需要，可以对案件进行自动化评查，在确定评查案件范围后，可自动读取案件裁判文书，通过比对，排查认定案件事实、法律适用、裁判文书文字等方面的问题，对问题进行标注，形成初步评查结论和报告，并自动衔接人工甄别评查环节。对于系统评定为瑕疵或不合格的案件，承办人可以在系统内填写复议说明，由评查人员进行人工评定。人工评定后，需要在系统中录入评查结果和原因，一方面实现评查工作留痕，另一方面帮助系统进行深度学习，进一步优化自动评查精确度。对于需要提交检委会进行审议的评查结果，可以在系统内点击提交检委会讨论。
运用智能化方式进行评查。智能评查应用场景，区别于传统案件评查的最大特征就是数字赋能。通过整合案件评查数据资源，将已经评查过的案件形成数据库，同时与法律数据库、案例数据库等数据库进行连接。案件评查时，可以通过关键词、关键语句、重点法条等进行匹配、比对，发现待评查案件在法律适用、事实认定、文书说理等方面可能存在的问题和风险，并据此得出评查结论。在评查结束后，可以实现评查案件自动统计、分析，批量分析评查案件问题类型、问题表现形式等。自动进行结果存档和导出。此外，可以同时大批量评查多件案件或设置系统自动触发对某类案件的评查，可以提升案件质量监督的及时性，从而有助于及时发现问题和开展整改，助力提升办案效率。
事后评查转为事前决策辅助。对案件进行质量分析，得出一个确定的评查结果并非案件评查工作的唯一目的。更重要的是，要通过案件评查推动案件质量的提升。因此，要探索通过智能化手段，将案件评查的“事后”效果转化到检察官办案的“事前”预防，将问题转化为风险提示点，全方位激活评查数据，将评查结果转化为案件质检，将案件可能出现的问题解决、纠正在裁判结果作出前。对于智能评查应用场景而言，在数据库数据数量达到一定规模能级，案件评查系统和办案系统等衔接融合较为成熟的情况下，智能评查应用场景可以实现将案件评查中发现的问题在检察官办案过程中进行定向和精准推送提示，如在对法律文书进行校对时，可以自动对法律文书事实认定和法律适用部分存在的问题、与评查案件库中匹配的典型问题等进行提示，形成案件智能化质检，并立体化、直观化地具体标注对应的评查案件和法律法规等，帮助检察官在案件办理、裁判文书撰写等方面及时发现问题，并有针对性地予以改进。
（作者单位：北京市顺义区人民检察院）
