大模型如何帮助核查司法公开数据的完整性
大模型如何帮助核查司法公开数据的完整性
司法公开数据看似数量巨大，实际可能漏掉某些年份、地区或类型；一份判决撤回公开后，旧数据库却仍留副本。大模型可比对公开目录、公告和数据集版本，发现异常空档、重复记录、日期冲突与字段缺失。它只能提示“这里可能少了什么”，不能把不存在的案件补写出来。
例如某数据集宣称覆盖十年判决，模型发现其中两年某省样本骤降。原因可能是上传接口故障，也可能是公开规则变化。核查人员应对照官方目录、时间线和采集日志，再在数据说明里写清缺口。研究者若用它分析“十年趋势”，需要知道那段下降未必反映真实案件变少。
核查先弄清数据产生与公开规则。某类案件本来不公开，不能因数量少就推断制度隐瞒；系统迁移造成的编号变化也需人工核对。机构应给每批数据附来源、时间范围、更新频率和已知缺口，研究者据此判断统计结论能否成立。对敏感个案，完整性不能以牺牲隐私为代价。
公开数据也会有重复：同一裁判经格式修订后出现两个编号，统计时被算两次。系统可提示文本相似与案号关系，由人确认。对撤回公开的文书，数据维护者需要在后续版本中处理，并通知已获取数据的合作方注意更新。
司法数据完整性还应检查更新时间。某地已经发布更正公告，公开数据集却仍显示旧字段，研究者分析便会把错误当趋势。机构可给数据版本编号和变更日志，说明本次新增、撤回和修正了什么。模型发现目录缺口后，由维护者核对官方来源；即使最终确认并无问题，也记录解释，避免后人反复猜测。
数据集使用者也应收到更新提醒。机构发现某年样本缺失后，在下载页标明显著限制，并通知订阅更新的研究者。旧版本可保留供复现，但不再默默充当最新版。模型帮助发现问题，公开解释让别人知道此前的结论是否需要重算，这才是完整性治理的后半段。
抽样从数据表追到原始公开页面，检查链接可用、全文与元数据一致。发现缺失后记录原因和修复日期，让使用者知道旧分析可能受影响。模型版本和规则更新也要留痕，防止今天的“修复”抹掉昨日问题。
完整性核查不是追求把所有案件摊在网上。应尊重不公开的合法边界，同时让使用者准确理解“这份数据究竟代表什么”。
研究者在下载数据时能看见已知缺口，比发表后才收到更正通知更有帮助。
公开数据的可信度，不只在于数量多，还在于缺了什么能被看见、改了什么能被追问。
