في مجال الذكاء الاصطناعي القانوني، يعد تنبؤ الأحكام القانونية (Legal Judgment Prediction - LJP) معياراً أساسياً لتقييم كيفية استخدام الذكاء الاصطناعي في الأمور الجنائية. ولكنه يفتقر إلى رؤية شاملة، حيث يركز فقط على القضايا التي تم تقديمها للمراجعة من قبل الادعاء وتم توجيه اتهامات رسمية بشأنها. وهذا يترك ثغرة كبيرة في تقييم المسؤولية الجنائية، حيث يغفل القضايا التي تنطوي على أدلة غير كافية أو عدم وجود مسؤولية جنائية، أو حتى القضايا التي تم إعفاء المتهمين من العقوبة.

لملء هذه الثغرة، نقدم تقنية التنبؤ بقرارات الادعاء (Prosecution Decision Prediction - PDP)، وهي المهمة القانونية الأولى التي تتعامل مع مراجعة الادعاء وتصنف كل قضية إما للاتهام أو لواحدة من ثلاث قرارات عدم اتهام. تعكس هذه التقنية التقدم في تقييم الأدلة، والاندماج القانوني، والاختيار القائم على القيم.

كما قمنا بإنشاء مجموعة بيانات جديدة تحت اسم PDP-Bench تتضمن 4630 قراراً حقيقياً من قرارات الادعاء الصينية تغطي 190 تهمة مختلفة. أظهرت التجارب الواسعة أن النماذج اللغوية الكبيرة (Large Language Models - LLMs) تؤدي بشكل متواضع في مهام PDP مقارنةً بـ LJP، مما يشير إلى وجود فجوة ملحوظة بين تقنيات التعلم الآلي المستخدمة حالياً.

علاوة على ذلك، بينت تدخلات التعزيز المعزز الخاضع للرقابة (Controlled RLVR interventions) أن المكافآت البسيطة لا تستطيع تحقيق تمييز عام وفعّال في PDP.

بهذه الطريقة، تمثل هذه التقنيات الجديدة تقدماً في استخدام الذكاء الاصطناعي لتحسين دقة قرارات الادعاء، مما قد يسهم في تطوير نظام قانوني أكثر عدلاً وشفافيةً.