数字检察通过大数据、人工智能等技术，推动检察工作高质量发展。模型作为数字检察的重要工具和抓手，从长远发展看，应从统筹管理、技术加持、集约发展等方面推动相关模型的选育构建、应用推广，不断拓展监督的广度、深度和精准度。

　　一是数字建模规范化。据统计，目前全国检察机关研发运用的模型达6000余个。由于模型建设标准不统一，有些模型未能有效找准切口，场景应用较为模糊，逻辑不严谨。数字检察工作必须做到规范化，尤其是在模型建设方面。因此，最高检、省级检察院要正确处理好顶层设计与基层创造之间的关系。比如，应加强统筹管理与指导，制定数字检察工作规则，出台数字检察工作机制；积极推广可复制的大数据法律监督模型，定期开展模型竞赛并发布数字检察典型案例，发挥指引作用；出台模型管理办法，明确建模的目标与要求，规范模型的建设、管理、评审、推广；出台数字检察办案规则、线索管理办法，明确数字检察履职边界，规范线索管理；科学合理地将数字检察融入业务指标，健全数字检察配套制度机制。

　　二是数字建模智能化。当前，各地检察机关都在进行大数据法律监督模型的探索、分享、推广和应用，依托模型进行数据碰撞，发现监督线索并推动解决执法司法、社会治理领域问题。但检察机关还面临更为复杂、更为隐蔽的治理难题，这些问题难以通过简单的模型或数据叠加进行有效处理，必须借助更加智能化的模型对数据进行深度运用，挖掘数据要素潜能，实现法律监督的智能化。

　　因此，要学会运用“思维链”构建智慧模型架构。“思维链”是大模型中的术语，应用到数字检察领域中，就是将案件处理过程及社会治理问题分解为多个环节或阶段的“子模型”“中间模型”，运用“子模型”“中间模型”等智慧模型架构来辅助检察机关应对复杂问题治理。同时，运用恰当的分析方法，如态势分析法、外部环境分析法等，更好地提炼要素特征和规律，为数字检察模型的建设提供基础支持和引导，提高建模的精准度和效率。

　　三是数字建模集约化。数字建模的集约化，重点是要解决模型相对独立、封闭等现象，实现低投入、高产出。检察机关可从三个角度开展数字模型集约化工作。一是从上级部署的专项工作以及党委政府中心工作角度考虑模型。以矿山安全领域治理为例，检察机关针对未依法审批、设备保障不符合规定、未建立健全事故隐患排查制度等情形建立数字模型，通过不同阶段模型应用之间的聚合与连锁反应，实现深层次治理。二是从职能角度考虑。检察机关各业务条线将建立的“小切口”模型组合成更加系统、更加综合的“四大检察”模型群，实现类型化综合治理。以虚假诉讼领域监督为例，具体监督点包括虚假劳动报酬、澳门新葡萄新京平台骗取保险理赔款、民间借贷等，将这些涉及不同业务条线的监督点放在一块，聚合成模型群，把监督问题真正解决到位。三是从工作领域角度考虑。当前，检察机关在环境保护、卫生健康、国有土地、国有财产保护等领域分别建立了模型，通过把不同领域的数据、模型聚合在一起，一些数据壁垒、隐性问题往往可以被攻破。以广东省清远市检察院研发的涉矿类案监督模型为例，该模型将非法占用农用地刑事立案监督、遗漏处罚事项行政检察、偷税漏税公益诉讼检察等模型聚合在涉矿领域，监督公安刑事立案，澳门新葡萄新京平台督促税务部门追缴税款1.2亿余元，将排查出的公职人员涉嫌犯罪线索移送纪检监察机关，推动了矿产行业深层次治理。

　　四是数字建模广泛化。大数据法律监督模型应用的广泛性是指模型所具有的可复制性、可推广性。具体体现在两个方面：一是知识的生产，指通过数字检察生产出新的知识元素；二是知识的形态，指通过数字检察能够形成知识的排列组合。

　　检察机关在挖掘监督点及归纳要素特征的过程中，不能着眼于某一地域和已有数据，要从全国、全省范围内的数据当中进行发掘。只有获取的数据体量充足，在知识生产与知识形态博弈过程中，数据之间才能不断组合并产生新的监督点，进而对数据进行预警式的动态分析和监测，发现潜在的隐患和风险，逐渐形成对数字检察知识的更新迭代，实现社会的有效治理，完成从“管人”向“管数据”的转变。

　　五是数字建模业务化。数据在模型建设中起着至关重要的作用，具体包括结构化数据和非结构化数据。结构化数据虽然有不同的格式，但处理起来相对容易，格式也便于统一；非结构化数据如文本、图像、音频和视频等，这些数据通常难以用固定的结构化方法来查询，往往需要使用特定工具和技术进行处理和分析。在数字检察实践中，检察人员需更加注重非结构化数据的使用。但有的检察院将非结构化数据的使用交由信息技术部门处理，实践中，检察技术人员往往会遗漏案件中的关键要素。检察官作为案件的直接承办人，较为明晰案件办理的一般性规律，了解如何集纳数据、如何选取要素搭建模型等，因此，相较于检察技术人员而言，由业务部门检察官开展要素提炼会更加全面有效。

　　六是数字建模多元化。检察技术人员运用现代科技手段进行数据挖掘、碰撞、画像及穿透，如利用机器学习、神经网络、自然语言处理技术，对相关文本、相关数据进行语义分析和关键词提取，以此自动识别案件中的关键信息，辅助检察官进行案件分析和定性评估。同时，利用图像识别技术对涉案证据进行自动识别和分析，提高证据的准确性和核查效率，并引入解释性强的机器学习算法，提高模型的可解释性和可信度。数字检察的核心是业务主导下的技术应用，关键在于实现检察业务和技术创新的深度融合，要充分发挥技术的支撑作用，解决业务与技术脱节的问题。实践中，可采用业务人员学技术的培养路径，真正实现以数字赋能检察业务提升。数字检察的发展需要也必将涌现出一大批“数字检察官”，需注重“数字检察官”的锻造，使其不仅具备较强的业务规则梳理能力和监督模型构建能力，还具备运用大数据发现监督线索及案件审查、办理、指导能力。

　　最高人民检察院 （100726）北京市东城区北河沿大街147号 （查号台） 010-12309（检察服务热线）

　　为了获得更好的使用，建议使用谷歌浏览器(chrome)、360浏览器、IE11浏览器。