自OpenAI公司发布ChatGPT以来，人工智能进入大模型时代，国际市场风起云涌，国内市场亦呈现“百模大战”态势。当前，网信部门和政法部门对大模型在司法领域的应用尚未作出明确规范，但在实践中，司法大模型围绕自主可控的要求已经取得了迅速发展。可预见，未来将有更多智慧政法项目采用大模型新技术路线，这对大模型在司法人工智能领域的应用提出新的管理要求。司法人工智能领域属于严肃场景，对“可解释性”要求较高。司法者对于大模型应用整体上持有谨慎态度，主要是因为大模型固有的“不可解释性”问题。

　　“准三段论”的应用阶段

　　为兼顾“可计算性”和“可解释性”，并确保司法人工智能系统更符合法律人思维，可以用“争议焦点”替代传统三段论中“结论”，以此构建司法人工智能推理辅助的“准三段论”，探索同时链接“可解释性人工智能”和“可计算性法律知识”的研发路径，主要分为“解耦—耦合—推理辅助”三个阶段。第一阶段“解耦”，利用大规模、高质量、标准化的判决书“准三段论”结构化标注，将判决书中“大前提—争议焦点—小前提”法律要件纳入法律逻辑链条进行解耦。第二阶段“耦合”，按照请求权基础理论梳理“准三段论”链条之间的逻辑论元槽位，将法律关系的构成要件体系通过符合“准三段论”的交互联合来表达。第三阶段“推理辅助”，对作为大前提的法律规定和作为小前提的基本案情进行语义分析和逻辑解构，识别出基于“耦合”关系的“准三段论”结构，进而实现司法人工智能推理辅助。大模型技术路线下，解耦阶段可以逐步从“以人工解耦为主”向“模型解耦为主”转换，并确保司法人工智能推理辅助的可解释性；尝试在耦合阶段“机器耦合为主，人工复核为辅”，逐步提高司法人工智能推理辅助的可计算性；在“推理”辅助阶段，利用近期逐步成熟的“思维链”技术路线，在“准三段论”框架下实现司法人工智能推理辅助的精确性、合法性、合理性。

　　法律要件解耦阶段的应用

　　大模型在“准三段论”法律要件解耦中的应用，在大前提、争议焦点和小前提三个点位上，侧重各有不同。大前提解耦主要是解决横向杂糅性问题。尽管法官在审判过程中已经为每组基本事实和争议焦点找到了对应的大前提，但在撰写判决书时会根据《最高人民法院关于裁判文书引用法律、法规等规范性法律文件的规定》（法释〔2009〕14号）调整条文排列顺序，最终效果是无法直接提取法律规范组。大模型在大前提解耦的主要应用包括：第一，数据精细化清洗和准确提取，这属于大模型的通用能力体现，稍加微调就能实现较高的准确率；第二，利用动态维护的法规体系进行微调，赋予大模型法规体系专业知识；第三，赋予大模型横向去杂糅性能力，解耦出规范组。争议焦点解耦的主要挑战是层次性问题。就类似的基本事实，基于实质相同的法律规范，不同判决书总结的争议焦点存在抽象层次上的差别现象。争议焦点的层次性问题更多的是语义表达的抽象性层次问题，通用大模型通过司法裁判文书语料库的微调，一定程度上能够胜任这种语义抽象层次的理解问题。小前提解耦的主要挑战也是层次性问题。即使案情本身类似，判决书中法院认定事实的层次性也有一定的差别。一方面是事实层次性本身不同，即当事人的主张事实方式和作为事实认定文本基础的庭审记录层次性不同；另一方面是法律层次性不同，即法官总结案情的层次性习惯、对类似案件的熟悉程度和庭审关注点不同。可以通过司法裁判文书库案情事实对大模型的微调，使其具有对法律事实进行分层抽象的能力。

　　法律要件耦合阶段的应用

　　“耦合”阶段的挑战主要来自于“准三段论”三个点位的层次交叉性。为了应对判决书中客观存在的“大前提≥争议焦点≥小前提”层次性态势，让大模型耦合过程能够得以高质量的顺利进行，标注过程中通过在大前提与争议焦点、争议焦点与小前提之间，各设置一组“兼容标签”的方式，来填补这种层次性的差别。判决书中层次性不同的“大前提—争议焦点—小前提”，可以通过跨层次性的“准三段论”链接起来。在具体耦合方式上，按照《民事案件案由规定》对需要进行耦合的案由设定基于请求权基础理论的逻辑论元槽位，实际上是通过基于法学理论和司法实务的法律要件体系在早期耦合过程中约束大模型的行为，确保耦合过程的“可解释性”。

　　基于“准三段论”结构实现的法律要件解耦形成的“准三段论”链条，实际上是在法律规范组、争议焦点组和基本事实组三个点位就同一法律要件中的某一论元槽位的逻辑链接。在逻辑论元槽位的预设定下，大模型实际上承担的是“选择—填空”的功能，即“选择”在三个点位上更为合适的“准三段论”链条，“填入”预先设定的逻辑论元槽位。如果能够在每个法律要件中填充至少一个逻辑论元槽位，那么该耦合构成就可能满足一个请求权的完整要件体系。如果在一个法律要件中填充了多个逻辑论元槽位，或者有的法律要件未能填充任何逻辑论元槽位，就需要人工辅助确认。经过不断的人机互动反馈，大模型的逻辑论元槽位填充功能将逐步得到优化，并最终实现可解释性的法律要件耦合过程。

　　法律推理辅助阶段的应用

　　经过耦合和解耦两个阶段后，我们将获得一个覆盖大部分案由的“准三段论”链条和基于逻辑论元槽位的填充，这为基于“准三段论”的法律推理辅助提供了具有可解释性的推理框架。首先通过大模型对需要推理的案件事实进行解耦。尽管新案件的类型层出不穷，但绝大多数可以通过已有案件的“准三段论”链条进行组合表达。除非是“全新”的事实，大部分案件都可能找到相对接近的事实，进而连入对应的“准三段论”链条，再纳入可能的逻辑论元槽位，这些过程都可以通过大模型来“选择—填空”。如果是“全新”事实，大模型可以找到最为接近的“基本事实群”，提出选择建议，并由人工确认纳入的基本事实群，或者确认为新的基本事实群，进而人工确认连入上一级相对抽象的基本事实群，再连入“准三段论”链条和逻辑论元槽位。

　　经过耦合过程连入“准三段论”链条的事实，将触发可能的争议焦点，再通过与当事人的主张进行比对，通过大模型语义理解进行“选择”，将当事人的主张纳入“争议焦点组”。如果出现全新的当事人主张，未能连入原有基本事实对应的“准三段论”链条涉及的争议焦点组中，则利用大模型横向检索可能的争议焦点组，再人工确认争议焦点组的连入。通过基本事实组和争议焦点组，进而连入法律规范组，实现对案件的完整耦合。此时可以进一步接入逻辑论元槽位，按照“选择—填空”的方式，逐步确定逻辑论元槽位所满足的法律要件体系，这实际上是一个利用大模型形成法律“思维链”的过程。通过这样的分步“选择—填空”，并可以逐步允许人工参与确认，就可以在一定程度上实现符合法律人思维、具有可解释性的司法人工智能“准三段论”推理辅助。

　　（本文系研究阐释党的二十大精神国家社科基金重大项目“健全网络智能综合治理体系研究”（23ZDA085）阶段性成果）

　　（作者系四川大学法学院教授）