AiJudge：臺灣北部 5 地方法院毒品案件量刑研究
一、研究摘要
長期以來，社會對司法量刑的一個關注是：性質相似的案件，是否得到合理一致的判決？個案差異固然存在，但不同被告、相近事實、刑度卻顯著不同，往往讓當事人與家屬無所適從。本研究以司法院公開資料為基礎，將判決書這種文字密集的法律文件，系統性地轉換成電腦能讀懂的結構化資料，並以此訓練統計模型，預測在臺灣北部 5 地方法院審理的毒品案件可能會獲得怎樣的刑期。
研究發現：(1) 透過程式自動辨識判決中的關鍵法律要件（行為態樣、毒品級別、減刑事由等），準確率在驗證樣本上達到 F1 0.93–1.00；(2) 機器學習模型在 5 院聯合訓練後對中位刑期預測 MAE 2.52 個月、±3 個月命中率 87.7%；(3) 同一個 5 院模型在基隆案件測試列上 MAE 反而降到 1.82 月，比基隆-only 模型的 2.20 月還好 ~17%——其他 4 院的案件當作增強樣本、用「法院」one-hot flag 區分風格，反而讓基隆規律學得更穩；(4) 經 outlier 驅動的三次迭代改進(sum_individual_months 特徵 + §17/§59 reject regex 增強 + p50 head 改 L1 loss),raw quantile crossings 從 18.7% 降到 6.5%、販賣 MAE 從 10.36 降到 8.87,但重罪平均誤差仍受桃園/新北寬刑度分布牽動,需要結構化擷取「共犯角色、犯後態度、和解金額」才能再壓。
研究的價值不在取代法官，而在於提供透明且可量化的量刑趨勢資訊，幫助當事人、辯護律師理解自身案件可能落點，輔助學術研究觀察司法實務變化，並為日後可能的「量刑一致性監測」奠定方法論基礎。
二、研究背景
2.1 為何研究量刑
刑事審判最後階段——量刑——具有相當大的法官裁量空間。法律雖然規定了刑度範圍（例如販賣第二級毒品「無期徒刑或十年以上有期徒刑」），但同樣是販賣案件、相似的數量和情節，最終判決可能從十年到二十年不等。當事人在面對訴訟時，很難取得客觀、量化、基於實際判決資料的參考點。
過去這類研究多依賴法律學者的手工分析，受限於樣本大小和分析效率，難以在統計意義上得到結論。近年自然語言處理與機器學習的進步，讓我們有機會用程式系統性處理大量判決書，補上這個資料缺口。
2.2 為何選擇北部 5 院的毒品案件
選擇單一罪名類型、橫跨北部 5 院（基隆／臺北／士林／新北／桃園）做為起點，是基於四個考量：
- 資料可得性：司法院自 1996 年起公開判決書資料，可下載完整文字
- 法條相對單純：毒品危害防制條例 §4–§11 的構成要件清楚，便於程式辨識
- 案件量充足：5 院 8 年累積 68,985 件（單被告且含量刑數字者 62,328 件），足以做時序交叉驗證並涵蓋重罪
- 法理一致、量刑風格不同：5 院適用相同的中央法律，但歷年量刑統計存在系統性差異——這正好讓模型用「法院」one-hot 特徵自動吸收區域風格，並讓基隆等案件量較少的法院從其他院的訓練資料中受益
案件量分布（單被告、有量刑數字）：
| 法院 | JID prefix | 件數 |
|---|---|---|
| 新北 | PC | 24,947 |
| 桃園 | TY | 20,750 |
| 臺北 | TP | 11,324 |
| 士林 | SL | 6,155 |
| 基隆 | KL | 5,809 |
未來若將方法論擴及其他法院或罪名，需重新校準。
三、研究方法
3.1 從判決書到結構化資料
判決書是寫給人看的文字，要讓電腦處理，必須先把文字中的關鍵事實「結構化」。本研究將每份判決書轉換成以下幾類欄位：
- 行為態樣：被告所犯的行為（販賣、施用、持有、運輸、製造、轉讓、意圖販賣而持有）
- 毒品級別：第一級至第四級毒品
- 法定減免事由：是否適用毒品危害防制條例第 17 條第 1 項（供出毒品來源）、第 2 項（偵審自白），以及刑法第 47 條（累犯）、第 59 條（酌減）
- 量刑事實：純質淨重、是否得易科罰金、是否宣告緩刑
- 量刑因子：刑法第 57 條十款主觀因素（犯罪動機、品行、犯後態度等）
- 判決結果：實際宣告的刑期
3.2 為什麼這項工作不容易
判決書的書寫風格雖有套式但相當繁複。同樣一個減刑事由，法官可能寫成「依毒品危害防制條例第 17 條第 2 項規定，減輕其刑」、「爰依該項規定減刑」、或在解釋條文時順帶引用，但實際上沒有適用該條於該名被告。要正確辨識這些差異，需要兼顧：
- 法條引用語境：是真正適用，還是只是引述法律（recital）或舉例
- 拒絕語：「不符合」、「並無⋯之適用」、「改口否認」等否決語
- 多被告處理：一份判決可能有多名被告，刑期、減刑各不相同
本研究透過反覆迭代（共驗證 100 件人工標註樣本）才將自動辨識準確率推到實用水準。
3.3 預測模型
在結構化資料上訓練 XGBoost，採「分層 bundle」設計：四個獨立的 head 共用同一份特徵矩陣。
- 中位數刑期迴歸（p50）：squared error loss，預測「最可能的有期徒刑月數」
- 下／上分位數迴歸（p25 / p75）：
reg:quantileerror，給出「合理刑度的 50% 信賴區間」 - 緩刑分類器：binary logistic，輸出「該案被宣告緩刑的機率」
- 法院 one-hot 特徵：
court_KL/TP/SL/PC/TY進入特徵矩陣，讓模型自動區分各院量刑風格
預測完成後再經過「規則約束層」：依法定刑度（毒品條例 §4–§11，加上 §17Ⅰ／§17Ⅱ／§59／§62 自首／§25Ⅱ 未遂各自 ½ 減刑、簡易判決下限 ½、數罪併罰應執行刑 30 年上限）clip 到合法範圍，並重新單調化 p25 ≤ p50 ≤ p75。模型在規則層之後 100% 不會輸出違反法律的刑期。
3.4 評估方式：walk-forward 時序交叉驗證
判決資料隨時間累積，鄰近時間的案件往往涉及相似事實、相似法官、相似量刑風氣，若用隨機 80／20 切分會讓「時間上相鄰」的訓練／測試案件互相洩漏資訊，估出過於樂觀的誤差。
因此本研究改用 expanding-window walk-forward CV：把全部案件按 JDATE 排序後切成 6 個等量區段，第 1 段固定當作種子訓練資料，之後每一折以「累積前面所有區段」訓練、「下一段」測試，共得 5 折，測試集永遠嚴格晚於每一筆訓練資料。最後我們把 5 折的測試樣本（合計 51,940 件）pool 起來計算指標。
3.5 分位數校正：conformal δ-shift
XGBoost 的 quantile head 受正則化影響，原始預測的 [p25, p75] 經驗覆蓋率約 45%，比理想的 50% 略偏窄。本研究在每折訓練結束後，於 val 尾段算殘差的 α-分位數 δ_α = quantile(y − ŷ, α)，在 test 時把 raw quantile 預測加上 δ_α，這就是標準的 conformalized quantile regression（CQR）marginal shift。校正後 5 院 pooled 覆蓋率從 49.6% → 49.7%（基隆-only model 校正前 44.9% → 51.4%），δ 與模型一起寫入 ModelBundle metadata，推論時自動套用。
四、研究發現
4.1 結構化抽取準確率
在 100 件人工標註的驗證樣本上，自動抽取的關鍵欄位達到下列水準：
對最關鍵的量刑數字（有期徒刑月數），在 94 件有量刑的樣本中達到 100% 完全相符。這一數字得來不易，因為它涉及辨識主文中「應執行有期徒刑伍月」這類多罪併罰結果，並區分多被告場合下哪一段刑期屬於哪位被告。
4.2 模型預測誤差
在 walk-forward 5 折的合計 51,940 件測試樣本上，模型的整體表現如下：
5 院聯訓 XGBoost 模型的中位數預測（p50）平均絕對誤差（MAE）為 2.52 個月，相較於以「永遠輸出中位數」的天真基線 6.00 個月，誤差降低約 53%；中位殘差 1.0 個月、±3 個月命中率 87.7%、±6 個月命中率 93.3%、R² 0.708。最後一折（2024-05 ~ 2026-02 測試，訓練 51,940 件）MAE 3.55 月、R² 0.697，顯示模型對較近期的判決仍有穩定的泛化能力。
4.2.1 各法院 MAE 拆解
同一個 5 院模型在不同法院的 test 列上拆開算 MAE：
基隆案件的 MAE 反而最低（1.82 月），低於基隆-only 訓練時的 2.20 月——其他 4 院案件當作增強樣本、用「法院」one-hot flag 區分風格後，基隆規律學得更穩。這是「跨院聯訓 + 用 court flag 區分」的關鍵價值。整體 MAE 2.52 之所以較高，純粹是被桃園／新北的寬刑度分布拉高，並非每院個別變差。
4.2.2 區間預測（quantile）與緩刑分類
單一數字當預測對使用者其實不夠用——「比較可能落在哪個範圍」、「會不會給緩刑」往往是當事人更想知道的。本研究在同一份特徵上加上三個分位數迴歸頭（p25 / p50 / p75，採 XGBoost reg:quantileerror，並用 §3.5 的 CQR δ-shift 校正）與一個緩刑二元分類頭：
整體 [p25, p75] 區間覆蓋率經 CQR δ-shift 校正後達 49.6%（理想 50%）。三個 pinball loss（p25 / p50 / p75）= 0.98 / 1.26 / 1.17 月，量級對得起 MAE。
緩刑分類器在 5 院聯訓下基底為 2.87%（比單院基隆 0.91% 高 3 倍），達 PR-AUC 0.367（相當於基底的 13 倍），accuracy 95.27%、precision 34.5%、recall 71.7%（F1-max threshold tuning，threshold 隨各折在 0.20 ~ 0.55 間自動調）。使用者場景以「篩出可能符合緩刑條件的案件給律師複看」較合適，而非自動決策。
4.3 不同罪名的預測難度差異
把所有 walk-forward 測試樣本依主要罪名分組，預測誤差呈現明顯差異：
施用案件（n = 25,367）誤差僅 1.12 個月、持有（n = 18,687）1.06 個月，這類案件刑期普遍 2–6 個月、影響因素相對單純，模型表現極佳。販賣（n = 5,936）平均誤差 8.9 個月，運輸（n = 879）26.2 個月、製造（n = 264）15 個月。主因是這類案件刑期變異極大（例如販賣可能 6 個月、也可能十年以上有期徒刑甚至無期），而真正決定刑度的因子（共犯角色、犯後態度、和解、悔意等）目前還沒被結構化抽取出來。注意 5 院聯訓後重罪樣本數從基隆-only 的 47～571 件大幅擴大到 264～5,936 件，但平均 MAE 仍受桃園／新北寬分布牽動。
4.4 哪些因素最影響量刑
機器學習模型可以告訴我們，哪些因素的存在最能解釋刑期的差異。將模型內部的「特徵重要性」由高到低排序：
排名前列的因素，與法律實務上的量刑邏輯高度一致：
- 毒品第一級居首:第一級毒品法定刑度最重(死刑/無期/15 年+),解釋力最大
- 是否得易科罰金反映案件嚴重程度(短期自由刑才能易科)
- §47 累犯進前 3:累犯對刑期有顯著上拉
- court_KL(基隆)進前 4:模型確實學到了「基隆判決偏輕」的院別風格
- §17Ⅱ 偵審自白、數罪併罰、§62 自首 都進前 15:減刑事由解釋力跟法律直覺一致
- 個刑加總(sum_individual_months)(我們新加的特徵)排第 11:對數罪併罰應執行刑案件提供強錨點
這個結果驗證了模型確實學到了合理的判決邏輯,而非依賴噪音特徵。注意 L1 loss(實驗 3 後採用)的 gain 量級與 squared error 不可直接比較;絕對值小但相對排序仍可信。
五、限制與誤差來源
研究在三個面向遇到瓶頸，這也是後續工作的方向：
1. 重罪資料樣本仍偏少且分布寬 5 院聯訓後重罪樣本擴大 10–100×（販賣 571→5,936、運輸 47→879、製造 14→264），但平均誤差仍 10–29 月。主因不是樣本量不足，而是這類案件本身刑度變異就極大（從 6 個月到無期），加上各院量刑風格差異被一併吸收進來。要進一步壓 MAE 需要結構化擷取「共犯角色、犯後態度、和解金額」等個案決定性因子。
2. 法官裁量幅度估計困難 當被告同時有「偵審自白」與「情堪憫恕」兩項減刑事由時，法定上限是降到原刑期的四分之一，但法官實際讓步多少，受個案無數細節影響——共犯關係、悔意程度、家庭因素等。目前模型只有「刑法第 57 條十款主觀因子」的 scaffold（透過 Claude AI 從判決書抽取），尚未跑完全資料集；對重罪案件預測幫助上限仍有限。
3. 多被告案件對齊問題 一份判決中可能有兩、三位被告，每人罪名不同、刑期不同。本研究目前直接過濾掉多被告判決（5 院 2,413 件 / 約佔 3.5%）以避免標籤雜訊，但同時也犧牲了販賣／運輸案件常見的共犯結構樣本。後續會改成「逐被告獨立建模」。
4. 殘留法定刑度越界 rule-clip 後模型預測 0% 違法；但 ground-truth 標籤仍有 2.10%（5 院聯訓）落在我們所抽取的法定刑度區間之外（基隆-only 0.91%），主要來自重罪 §59 未被偵測、簡易判決附件中的減刑事由不在 JFULL 中、§11 持有純質淨重加重型未建表、以及 5 院間細微的量刑慣例差異未對齊到單一規則表。
六、應用前景
研究的價值不在取代法律專業判斷，而在提供事前可參考的量刑趨勢資訊。
6.1 對當事人與家屬
毒品案件當事人面對訴訟時，最焦慮的就是「不知道會被判多少」。本研究的模型可以根據案情（行為類型、毒品級別、是否自白、是否累犯、起訴法院）等，給出該類案件在北部 5 院近八年（2018–2026）的判決區間，幫助當事人有合理預期，避免因資訊落差被誤導。
6.2 對辯護律師
律師在量刑辯論時，往往需要援引「類似案件」做為比較基礎。本研究累積的 68,985 件判決資料庫與抽取結果，可作為量刑辯論的證據資料庫，律師可快速檢索「同樣是販賣第二級毒品、有第 17 條第 2 項自白、無累犯」的歷年判決，做為向法院提出的參考。
6.3 對司法系統的潛在貢獻
更宏觀地說，這類研究最大的潛在價值在三方面：
加速簡易案件審理 一個成熟的量刑模型可作為法官的參考工具——不是替代法官判斷，而是提供「此類案件近期同庭判決中位數」這樣的數字。對於高度標準化的簡易判決（純施用、單純持有），可顯著降低法官查閱前案的時間成本。粗略估算，若每件簡易判決能省下 5–10 分鐘的查找時間，以基隆每月 50 件估算，單一法院每年可釋出約 50–100 小時的法官時間用於更需要審慎處理的疑難案件。
量刑一致性監測 司法行政機關可以用類似工具，定期檢視「相似案件刑度離散程度」是否在合理範圍。離群案件可作為司法研究或在職教育的樣本，長期改善量刑一致性。
輔助當事人理解司法 當判決是個黑箱時，民眾對司法的信任難以建立。本類研究的成果若以親民的方式呈現（例如「全國法院近五年此類案件刑期分布」），有助於提升司法透明度與民眾理解。
6.4 對學術與政策研究
這套方法論可推廣到：
- 修法前後量刑變化的影響評估（如 2020 年毒品條例修正前後的判決趨勢比較）
- 不同法院量刑差異的實證研究（同樣案情、北中南東法院的判決異同）
- 量刑與被告社經背景關係的探討（在去識別化前提下）
七、未來展望
7.1 短期（3–6 個月）
- [done] 資料時長擴展至 98 個月（2018-01 ~ 2026-02）；[done] 擴及北部 5 個地方法院（基、北、士、新北、桃），完成 68,985 件聯合訓練
- [done] 加入信賴區間預測（quantile regression p25 / p50 / p75）並用 CQR δ-shift 校正到目標覆蓋率 50%
- [done] FastAPI 服務 + SHAP
/explainper-feature 拆解端點 - 改善多被告案件的特徵對齊機制，逐被告獨立建模（目前直接過濾掉約 3.5% 多被告判決，但販賣／運輸重罪共犯結構樣本被一併排除）
- 接 LLM 完成 §57 量刑因子全資料集抽取，對重罪預測精度可望帶來最大幅度提升（已 wire 好 Claude API extractor，待 API 預算）
- 將 5 院 model 轉 ONNX、嵌進本頁面做 in-browser 互動 demo
7.2 中期（6 個月–1 年）
- 擴及其他罪名（詐欺、竊盜等案件量大、社會關注的類型）
- 與法律實務工作者合作建立公開查詢介面（網站 / API）
- 結合大型語言模型（如 Claude）做更精細的量刑因子（如和解金額、被害人態度）抽取
7.3 長期
- 與司法院 / 法院系統合作，將模型作為法官資訊輔助工具（明確定位為「參考」而非「決策」）
- 公開資料集與評估基準，讓其他研究團隊在共同基礎上比較不同方法
- 探討量刑透明度提升對民眾信任、被告認罪率、上訴率的長期影響
八、限制與聲明
本研究僅供學術探討用途，不能也不應作為下列用途：
- 個案的法律建議
- 任何法庭、行政程序的裁量依據
- 取代律師專業判斷或法官的審判
研究使用的資料限於臺灣北部 5 地方法院（基隆／臺北／士林／新北／桃園）毒品案件，結果無法外推至其他法院或不同罪名。模型對重罪預測誤差大，重大刑案不可使用本工具的預測。研究團隊不對使用本研究結果所造成的任何後果負責。
完整程式碼與資料處理流程開源於 github.com/Jung217/AiJudge，歡迎研究者檢視、複現、改進。
九、互動量刑試算（教育用途）
下面這個工具讓你選擇案件特徵，即時看到該類案件依法的法定刑度區間，以及北部 5 院近 8 年同類案件的實際判決中位數。所有計算都在瀏覽器內完成，不送任何資料到後端。每個減刑事由旁邊滑鼠移上去（hover）可看到對應法條原文。
Last updated: 2026-05-19