秦哲

　　近期，河北省检察机关利用大模型对文书解析工作展开探索，如对长文本内容进行简要概括、对不规则文档进行要素提取、对复杂逻辑进行梳理，取得了初步成效。面对当前人工智能技术发展趋势和检察机关案件数据质量现状，有必要借助人工智能等技术手段，推动检察业务数据质量提升。

　　一是通过人工智能感知技术提升卷宗、文书数据的完整性和可识别度。通过人工智能算法对卷宗、文书结构进行训练，实现机器可自动识别电子卷宗和文书内容、页码、目录等功能，以此判断电子卷宗和文书是否完整。二是通过人工智能提取技术提升案卡回填数据的准确性。回填原理是通过编写若干正则表达式来提取文书中的案件要素信息，但使用过程中存在编写难度大、只适用规范文本等弊端。当前的大语言模型具备较强的通用信息提取能力，可在一定程度上辅助解决案卡回填时所需案件要素信息的提取问题，因此，可结合“数检通”等系统的校验规则进行判断，根据人工修正结果进一步训练大模型的识别算法，提升精准度，逐步扩大能够支持案卡自动回填的文书种类，提高案卡自动回填的数据质量。三是通过人工智能认知技术提升电子卷宗和文书内容的准确性。当前，大模型技术已具备了一定的语义理解能力。可以将其应用在卷宗和文书内容的理解场景，帮助检察官查看文书内容是否有错字、漏字、用语不当等情况。后续可依托大模型技术对法律法规、案例等展开学习，不断优化系统功能，进一步应用于发现法条引用错误、上下文描述矛盾等场景。