国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

大數(shù)據(jù)時代的智慧檢務路徑
——以特定類型認罪認罰案件智能量刑建議為視角

2022-03-17 20:11:51
安陽工學院學報 2022年5期
關(guān)鍵詞:量刑辦案協(xié)商

鄭 帥

(河南大學 法學院,河南 開封 475004)

《中華人民共和國刑事訴訟法(2018修正)》建立了認罪認罰從寬制度。爾后,認罪認罰從寬制度在全國檢察機關(guān)逐步推開。就認罪認罰從寬制度在全國檢察機關(guān)的適用情況來看,出現(xiàn)了認罪認罰案件數(shù)量不斷上升、認罪認罰從寬制度適用率不斷上升、量刑建議采納率不斷上升的“三升”局面。在這樣的辦案形勢下,刑事檢察工作的重心就由定罪向提出精準量刑建議轉(zhuǎn)移。這就迫切要求檢察官們更新理念,轉(zhuǎn)變工作方式,努力提高精準量刑建議能力。2019年4月,全國檢察機關(guān)“量刑建議精準化、規(guī)范化、智能化”網(wǎng)絡培訓要求各級檢察機關(guān)加快全面提升檢察官量刑建議的能力和水平。特別要求充分發(fā)揮大數(shù)據(jù)智能輔助系統(tǒng)的作用,通過大數(shù)據(jù)、智能化與檢察工作的結(jié)合,有效提升量刑建議的精準度,充分論證并適時組織研發(fā)可以普遍適用的量刑建議輔助系統(tǒng)。最高人民檢察院發(fā)布的2021年1月至9月全國檢察機關(guān)主要辦案數(shù)據(jù)顯示,期間共決定起訴1 273 051人,同比上升15%,已辦理的審查起訴案件中,適用認罪認罰從寬制度審結(jié)人數(shù)占同期審結(jié)人數(shù)的85%以上[1]。當前,智慧檢務已進入2.0時代,全國檢察機關(guān)統(tǒng)一業(yè)務應用系統(tǒng)2.0版已經(jīng)正式上線運行,此系統(tǒng)實現(xiàn)了與政法跨部門大數(shù)據(jù)辦案平臺的無縫對接,公安機關(guān)刑事案件的案卡、法律文書、刑事卷宗可全電子化流轉(zhuǎn)至檢察機關(guān)再流轉(zhuǎn)至審判機關(guān),打破了信息孤島,解決了案件數(shù)據(jù)格式不匹配等問題,實現(xiàn)了案件數(shù)據(jù)的統(tǒng)一化、標準化,規(guī)范化,這就為特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)提供了“全、凈、統(tǒng)”的數(shù)據(jù)支撐。圍繞特定類型化案件,結(jié)合“二八法則”,把這些規(guī)?;?、類型化案件作為探索特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的“試驗田”,或許能為更深層次的智慧檢務開辟一條理論通路和實踐通路。但是當前特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的理論依據(jù)仍然匱乏,尚不足以支撐起當前的改革發(fā)展需要,亟待建構(gòu)實施機制。

1 特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)之底層邏輯

在認罪認罰制度全面推開,大數(shù)據(jù)日漸應用于政法工作全流程的當下,特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的開發(fā)與應用也愈顯重要。特定類型案件的特質(zhì)、量刑規(guī)范化理論、政法大數(shù)據(jù)等形成了特定類型認罪認罰案件智能輔助量刑系統(tǒng)的堅實理論基礎(chǔ)。

1.1 特定類型認罪認罰案件之特性

根據(jù)最高人民檢察院公布的2021年1-9月辦案數(shù)據(jù),從起訴罪名看,排在第一位的是危險駕駛罪263 281人,同比上升30.6%;排在第二位的是盜竊罪150 922人,同比上升6.7%;排在第三位的是詐騙罪82 105人,同比下降10.9%;排在第四位的是幫助信息網(wǎng)絡犯罪活動罪79 307人,同比上升21.3倍;排在第五位的是開設(shè)賭場罪63 238人,同比上升40%[1]。排在前五位的罪名起訴人數(shù)約占總起訴人數(shù)的58%。按照美國的辯訴交易經(jīng)驗,接近90%的案件,都會進入辯訴交易狀態(tài)。在認罪認罰從寬制度指引下,這些案件的量刑協(xié)商工作必然占用辦案人員大量的精力和時間,此時再完全套用原有的案件辦理模式及訴訟程序已經(jīng)不能很好地適應當前的案件辦理需要。考慮到此5類案件具有規(guī)?;奶卣?,應著手建立更加標準化、類型化的快速審查、高效協(xié)商的“審-協(xié)”機制,以與特定類型認罪認罰案件的特性相契合。以此為抓手,可以快速疏浚辦案通路,緩解檢察機關(guān)“案多人少”的辦案壓力,也會使檢察機關(guān)有更多的時間投入更深層次、更需要理性、更需要人類靈性的案件處理部分。要讓人民群眾在每一個案件中都感受到公平正義,就需要進一步實現(xiàn)案件辦理標準的統(tǒng)一、規(guī)范的一致。而排前5位的特定類型認罪認罰案件恰好就具有相似性、易標準化的特點,從而使得檢察機關(guān)有條件對其進行流程化、程序化梳理,進而為標準化案件辦理創(chuàng)造條件。在這樣的理論與實踐供需下,特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)可謂生逢其時,以相對可靠的算法加之政法跨部門大數(shù)據(jù)辦案平臺積累的大量標準化、格式化、無污染、免清洗的海量數(shù)據(jù),有力地促進了量刑建議生成標準之統(tǒng)一,提升了量刑建議的可靠性、精準性、可接受度,更有利于保證量刑協(xié)商的質(zhì)效,回應有關(guān)協(xié)商公正性的質(zhì)疑。

1.2 量刑規(guī)范化理論之支撐

量刑規(guī)范化是量刑協(xié)商機制高效運作的基礎(chǔ),同時量刑協(xié)商的高效也離不開對司法全周期數(shù)據(jù)關(guān)聯(lián)性的有效挖掘。唯有牢固樹立“結(jié)果導向”的意識,在量刑規(guī)范化理論的支撐下挖掘政法跨部門大數(shù)據(jù)辦案平臺數(shù)據(jù)中蘊藏的量刑規(guī)律和經(jīng)驗,方能有效提升智能量刑輔助系統(tǒng)的可靠度。隨著“兩高”關(guān)于量刑指導原則、基本方法等指導意見的出臺,量刑理論的核心問題得到了有效的指引和規(guī)范,司法人員以往傳統(tǒng)的依靠個體主觀經(jīng)驗推斷的刑期的做法在逐步改變,量刑標準不統(tǒng)一問題也在逐步消解。但量刑規(guī)范化之改革推進多集中于審判機關(guān),檢察機關(guān)量刑規(guī)范化改革稍顯滯后,2021年1-9月已辦理的審查起訴案件中,適用認罪認罰從寬制度審結(jié)人數(shù)占同期審結(jié)人數(shù)的85%以上,確定刑量刑建議占提出總數(shù)的90.4%,對檢察機關(guān)提出的量刑建議法院采納人數(shù)占同期提出量刑建議數(shù)的95%以上,也就是說有73%以上的案件,檢察官提出的是確定的量刑建議且得到了法官的采納。由此可見,審查起訴階段尤需拿出更加規(guī)范的量刑建議,特別是在當前案件量大的情況下,務必要避免“蘿卜快了不洗泥”。刑事辯護中的檢察中心主義已經(jīng)形成,將進一步強化固化。檢察機關(guān)的主導地位隨之確立,檢察機關(guān)提出的確定刑量刑建議對最終的刑期具有直接影響,這對檢察機關(guān)提出確定邢量刑建議的能力帶來挑戰(zhàn),檢察機關(guān)量刑建議規(guī)范化改進迫在眉睫。但規(guī)范化不是一蹴而就的,應在實踐中動態(tài)調(diào)整、完善。

1.3 司法人員理性判斷之托底

司法工作人員在長期的辦案實踐中依托其專業(yè)素養(yǎng)和對大量案件的審查形成了量刑理性和量刑經(jīng)驗。而此種經(jīng)驗與理性形成以后會被反復使用、借鑒,且不會輕易改變或調(diào)整,會對以后的量刑理論起到補充作用。但這種傳統(tǒng)的模式無法實現(xiàn)規(guī)?;Ⅲw系化、系統(tǒng)化,個別時候還可能受到辦案人員性格、成長經(jīng)歷、個人閱歷等一些內(nèi)在原因的影響,沒有充分釋放出當前我們可使用的技術(shù)與掌握的數(shù)據(jù)所蘊含的巨大能量。當前,與公安機關(guān)、審判機關(guān)統(tǒng)一腳本格式的,非涉密刑事案件適用的全國檢察機關(guān)統(tǒng)一業(yè)務應用系統(tǒng)2.0版,數(shù)據(jù)量日漸豐富、統(tǒng)一,涵蓋的情形逐步增加,真正的政法大數(shù)據(jù)庫正在加速形成。背靠全周期、整鏈條的數(shù)據(jù),在數(shù)據(jù)挖掘算法及計算機算力的雙重加持下,可以通過鏈接數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系,來發(fā)現(xiàn)其中蘊含的量刑理性與規(guī)律,并使之標準化,這為推動量刑建議標準化、規(guī)范化大有裨益。但我們也不應忽視最終拿出量刑建議的是人,而不是機器,司法人員的理性和人的靈性是量刑建議的牢固保障。

2 特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)之現(xiàn)實意義

犯罪嫌疑人認罪認罰后,定罪已無異議,量刑協(xié)商成為亟需解決的突出問題。如何拿出使幾方均能認可的量刑建議,對檢察機關(guān)的量刑建議能力提出了巨大考驗,單純依靠檢察官的辦案經(jīng)驗似乎已經(jīng)不能滿足日益增長的量刑協(xié)商需要。針對特定類型的認罪認罰案件,智能輔助量刑建議輔助系統(tǒng)或許能靠其強大的算力和數(shù)據(jù)支撐為問題的解決注入強勁動力。

2.1 助力量刑協(xié)商“圍城”之破局

認罪認罰從寬制度直接推動我國刑事訴訟結(jié)構(gòu)的深度調(diào)整,確立了訴訟“合作模式”之圖景。速裁程序的正式入法,與普通程序、簡易程序,構(gòu)建了多元化、多層次的訴訟程序,使訴訟合作已經(jīng)具備程序基礎(chǔ),實質(zhì)啟動繁簡分流的多層次訴訟制度體系之構(gòu)建。刑事訴訟結(jié)構(gòu)、訴訟理念的重大轉(zhuǎn)變,不僅沖擊不認罪認罰案件的傳統(tǒng)辦案機制,也要求為認罪認罰案件設(shè)計相對獨立的辦案模式,貫徹司法合作的精神。在認罪認罰案件中,量刑協(xié)商成為常態(tài)性活動,但協(xié)商機制尚不健全[2]。

人的認知受長期的思維訓練與所接觸的人和事物的影響,例如一個人在其父母為生活打拼時出生和成長,而其弟弟在父母家財萬貫時出生和成長,兩人對同一事物的認知會大相徑庭。當前檢察機關(guān)員額檢察官的主體大部分是在2018年刑事訴訟法修改之前成長起來的辦案骨干,長期的辦案經(jīng)歷對他們認知的影響不可忽視,比如習慣于控辯對抗,而在新制度倒逼下,雖然他們認識到這種從思維到行動的轉(zhuǎn)變迫在眉睫,但長期的司法訓練形成的認知慣性,并不能一瞬間完成切換,需要一個逐步轉(zhuǎn)變的循序漸進過程,這就有可能造成量刑協(xié)商效率不高、實際效果不一定能盡如人意情形的出現(xiàn)。此時要突破思維里的墻,改變原有的辦案模式,建立更加符合當下檢察業(yè)務需要的、客觀的、高效的協(xié)商機制和特定類型認罪認罰案件智能量刑建議輔助系統(tǒng),借助特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的力量,讓控辯審三方更容易達成一致意見。

2.2 助力檢察機關(guān)主導下的量刑協(xié)商之高效開展

在努力推進“四大檢察”“十大業(yè)務”的大背景下,作為業(yè)務占比最高的刑事檢察領(lǐng)域,2021年1月至9月認罪認罰案件已經(jīng)占據(jù)審查起訴案件的絕大多數(shù),且以三年以下有期徒刑的輕罪為主,量刑建議正成為核心的審理對象,這使得流程簡化成為亟待解決的問題。案件數(shù)量的驟增也使得辦理認罪認罰案件的壓力驟增,這又帶來了對司法效率的考驗。特定類型認罪認罰案件數(shù)量大、有規(guī)模,這就要求檢察機關(guān)尋找解決規(guī)?;?、類型化案件量刑建議的新支撐,探索更加適合當前形勢和需求的辦案方式。這就需要對政法跨部門大數(shù)據(jù)辦案平臺上的數(shù)據(jù)進行提取分析,輔之以人工智能技術(shù),對智能量刑建議模型不斷訓練,使其能夠?qū)ε琶?位的高度集中的案件更加快速、更加科學地給出量刑建議。

認罪認罰從寬制度的建立,必然會給傳統(tǒng)的審查起訴模式及審判模式帶來沖擊。檢察機關(guān)的主導地位將愈發(fā)明顯,審查起訴階段中量刑協(xié)商成為中心,檢察主導下的量刑協(xié)商成為關(guān)鍵環(huán)節(jié),而量刑協(xié)商之關(guān)鍵在于提出辯方和審判方都能認可的確定刑量刑建議。但現(xiàn)實情況是很多罪名沒有明確的量刑實施細則,這進一步增加了拿出確定刑量刑建議的難度,這就迫切需要檢察機關(guān)提升拿出確定刑量刑建議的能力以及量刑建議協(xié)商能力。當前,檢察機關(guān)在量刑建議上的功課做得還不夠,前期積累已經(jīng)適應不了當前案件的需要。雖然為進一步規(guī)范量刑和量刑建議工作,落實寬嚴相濟刑事政策和認罪認罰從寬制度,增強量刑公開性,實現(xiàn)量刑公正,最高人民法院、最高人民檢察院研究制定了《關(guān)于常見犯罪的量刑指導意見(試行)》,并與2021年7月1日起全面實施,這有助于同辯、審兩方在同一量刑協(xié)商標準下開展對話,但檢察機關(guān)要在相對較短的時間內(nèi)快速提升量刑建議能力,仍需要尋求新的方法。

2.3 助力確定刑量刑建議精準化之實現(xiàn)

確定刑量刑建議重在精準,貴在精準,唯有精準方能實現(xiàn)檢察主導下的三方協(xié)商的公正性與可接受性,進而實現(xiàn)實質(zhì)正義與程序正義的兼顧。在全周期、類型化數(shù)據(jù)支撐下,通過其與人工智能技術(shù)的結(jié)合,促使量刑建議活動更加規(guī)范高效。量刑協(xié)商說理應以標準的統(tǒng)一為前提,以量刑規(guī)范化理論為基石,結(jié)合排名前5位罪名的類型化特點和“一類一標準”的基本要求,與審結(jié)案件保持統(tǒng)一。規(guī)?;藴驶侨斯ぶ悄芗夹g(shù)得以應用的基本要素,但正如世界上沒有完全相同的兩片樹葉一樣,案件與案件總會有些許不同,應在統(tǒng)一的標準下進行精準化判斷。而僅僅拿出判斷還不夠,最重要的是向辯方及審判機關(guān)清晰地闡述法理、情理及判斷之根據(jù),取得辯、審雙方的認可,以求得實體、程序的兼顧。這種說理的方式有多種,并不限于傳統(tǒng)的書面或口頭,可以考慮使用更加容易使人接受的可視化方式,以數(shù)據(jù)和案例為基礎(chǔ),就結(jié)論的得出過程進行簡要闡述,確保說理的易接受性。

3 特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)之初探

“天予不取,反受其咎”,在這個大數(shù)據(jù)、智能化、移動互聯(lián)、云計算的時代,我們具備了以往不曾擁有的條件和技術(shù)。打破傳統(tǒng)思維、實現(xiàn)司法與技術(shù)的融合是大勢所趨,特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的應用與完善要只爭朝夕。在理清了底層邏輯、應用意義的前提下,對系統(tǒng)的建構(gòu)和設(shè)計予以闡述和釋明勢在必行。

3.1 建構(gòu)數(shù)據(jù)庫

大數(shù)據(jù)開啟了一次重大的時代轉(zhuǎn)型。就像望遠鏡讓我們能夠感受宇宙,顯微鏡能夠讓我們觀測微生物一樣,大數(shù)據(jù)正在改變我們的生活以及理解世界的方式,成為新發(fā)明的源泉[3]1。隨著大數(shù)據(jù)技術(shù)成為人們?nèi)粘I畹囊徊糠?,我們應該開始從一個比以前更大更全面的角度來理解事物,也就是說應該將“樣本=總體”植入我們的思維中[3]65。檢察機關(guān)統(tǒng)一業(yè)務應用系統(tǒng)2.0的使用,使之可以和政法跨部門大數(shù)據(jù)辦案平臺相對接,從而可以對統(tǒng)對檢察工作中產(chǎn)生的大量數(shù)據(jù)進行收集、存儲。個人的司法經(jīng)驗是有限的,信息是相對匱乏的,多數(shù)的推理和判斷基于自身已知的知識和數(shù)據(jù),這往往限制了我們的判斷,現(xiàn)在有了政法跨部門大數(shù)據(jù)辦案平臺的加持,政法大數(shù)據(jù)的統(tǒng)一化、標準化使得其所蘊藏的量刑理性和規(guī)律變得更易于為我們所發(fā)現(xiàn)。這些完整的、齊整的數(shù)據(jù)所能呈現(xiàn)出來的連續(xù)性、可被驗證性的“人之靈性”和更為可靠的、中立的量刑規(guī)律就有機會被我們所掌握。隨著在平臺上流轉(zhuǎn)的案件數(shù)量的日益增加,數(shù)據(jù)庫會愈發(fā)充盈,而計算機算力的增長使得我們可以對龐大的數(shù)據(jù)庫進行分析并提取到需要的東西,從而和按照量刑規(guī)范化的理論做出的推斷進行相互印證。大數(shù)據(jù)的核心就是預測,特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的算法和海量的數(shù)據(jù)相比或許不是最重要的,更為重要的是數(shù)據(jù)的量與質(zhì)。系統(tǒng)的準確度來源于數(shù)據(jù)的不斷積累,隨著系統(tǒng)接收到的數(shù)據(jù)越來越多,它們可以聰明到自動搜索最好的信號和模式并改善自己。

特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)數(shù)據(jù)挖掘的步驟如下。

①篩選并提取數(shù)據(jù)。政法大數(shù)據(jù)是一種復合性、整體性數(shù)據(jù),其內(nèi)容是由各種類型的文書和信息疊加而成的。要對排名前5的認罪認罰案件進行單獨提取、整理、分析以供量刑模型使用。

②加工數(shù)據(jù)。要考慮不同訴訟階段的不同情況,進行階段性統(tǒng)計和分析,為分階段量刑建議提供數(shù)據(jù)支撐,從而使得其能與不同情況的個案有更精準的匹配。

③分析。對特定類型認罪認罰案件政法大數(shù)據(jù)的分析,所得出的規(guī)律應是類型化、標準化的,不應是零碎的、雜亂的,否則,與個體經(jīng)驗判斷無異,而且也無法實現(xiàn)預測的標準化推算,更會影響量刑的精準度。要保證數(shù)據(jù)提取的全面,避免遺漏或錯誤,保證代入算法模型的數(shù)據(jù)是科學的,同時也應當做到特定類型案件或典型案件的精準匹配,使新案件和已審結(jié)案件標準的統(tǒng)一。首先是案情匹配,在犯罪嫌疑人自愿認罪認罰的情況下,對犯罪的確認以程序性確認為主。其次是情節(jié)匹配,法定、酌定、從輕、減輕、從重、加重的情節(jié),都是新案件與原有數(shù)據(jù)和規(guī)律進行匹配的基本對象和依據(jù),是量刑預測的重要考慮內(nèi)容。只有量刑情節(jié)的精準匹配,精準預測才成為可能,才能更好地實現(xiàn)類型化審理。特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的核心是大數(shù)據(jù)相比過往的量刑方法,其效力是在認罪認罰的案件出現(xiàn)后才逐步顯現(xiàn)的。

3.2 量刑建議推算

本質(zhì)上,知識圖譜描述真實世界中的各種實體、概念以及它們之間的相互關(guān)系,許多看似沒有關(guān)系的實體或概念構(gòu)成了一張巨大的語義網(wǎng)絡圖[4]。知識圖譜由Google于2012年5月17日正式提出。其初衷是提高搜索引擎用戶搜索質(zhì)量和搜索體驗的能力[5-7]。知識圖譜的構(gòu)建需要多方面技術(shù)的支持,包括知識提取、知識組織、知識推理、知識創(chuàng)新等,這些技術(shù)的應用對知識圖譜的構(gòu)建有重大支撐作用。知識圖譜有自頂向下和自底向上兩種構(gòu)建方式[8]。

知識圖譜技術(shù)提供了一種從大量文本和圖像中抽取結(jié)構(gòu)化知識的方式,通過對特定類型案件構(gòu)建知識圖譜,在知識圖譜的基礎(chǔ)上設(shè)計算法規(guī)則,從而實現(xiàn)對特定類型認罪認罰案件確定刑量刑建議的推送。設(shè)計好構(gòu)建知識圖譜的算法,對檢察統(tǒng)一業(yè)務應用系統(tǒng)2.0中排名前5的認罪認罰案件數(shù)據(jù)中的案件事實、量刑情節(jié)、確定性量刑建議部分進行提取,生成特定類型認罪認罰案件知識圖譜。爾后再根據(jù)量刑的基本理論,將量刑規(guī)則、標準、情節(jié)等要素設(shè)計到量刑算法中,建立輸出智能量刑建議的算法模型,根據(jù)新輸入的案件情況輸出確定刑量刑建議。對于特定類型認罪認罰案件,要在遵循現(xiàn)有的量刑基本原理和量刑指導意見的基礎(chǔ)上,結(jié)合案件的特性,將量刑的規(guī)則、標準通過算法設(shè)定為特定類型認罪認罰案件智能量刑建議輔助系統(tǒng)的基本模塊,同時要保證算法可釋明、公開、公眾可理解,針對新出現(xiàn)的個案,給出精準的確定刑量刑建議。

算法無疑是量刑建議得出的重點環(huán)節(jié),把量刑的理論和規(guī)則變?yōu)楝F(xiàn)實的第一步就是將其算法化,根據(jù)程序設(shè)計的一般方法和原理將量刑需要考慮的內(nèi)容設(shè)計到算法之中,使之成為程序的判斷標準。根據(jù)特定類型認罪認罰案件的特性,需要著重解決的問題有以下兩點:一是知識圖譜的建立。建立知識圖譜,要根據(jù)特定類型案件的不同特性,將適用對象、規(guī)則、法定和酌定量刑情節(jié)、說理方式、輸出方式等要素納入算法,它們是算法運算的主要“對象”,在算法中還要進行權(quán)重配比設(shè)計,從而盡可能的保證算法運行結(jié)果的精準性。二是可靠度的提升。司法工作人員在日常工作中形成的經(jīng)驗仍然占其優(yōu)勢,但易受到個體情感及外界因素的影響,其預測的前后一致性存在一定風險,而智能量刑輔助系統(tǒng)以量刑基本理論、海量數(shù)據(jù)、算法、強大算力為依托,在演繹推理規(guī)則的指引下,對類型化案件中的個案輸出精準的預測結(jié)論,體現(xiàn)了司法理性和數(shù)據(jù)支撐的統(tǒng)一,保證了其結(jié)論的可接受度。

猜你喜歡
量刑辦案協(xié)商
刑事程序法向度的量刑規(guī)范化研究
茶文化的“辦案經(jīng)”
女法官“馬虎”辦案,怎么辦?
論協(xié)商實效與協(xié)商倫理、協(xié)商能力
Rheological Properties and Microstructure of Printed Circuit Boards Modifed Asphalt
以政協(xié)參與立法深化協(xié)商民主
論自首在量刑中的適用
西藏科技(2015年5期)2015-09-26 11:55:20
搶錢的破綻
潛逃歸案疑犯的量刑規(guī)范
協(xié)商民主與偏好轉(zhuǎn)變
吴忠市| 乡宁县| 濮阳市| 麟游县| 色达县| 泰来县| 德格县| 安阳市| 平利县| 安吉县| 平远县| 长岭县| 冕宁县| 清河县| 临江市| 安塞县| 布尔津县| 兴化市| 菏泽市| 大冶市| 宝丰县| 林甸县| 东山县| 福鼎市| 武川县| 伊宁市| 高台县| 宁蒗| 灵川县| 庆安县| 安龙县| 高尔夫| 德安县| 定日县| 大同县| 新兴县| 伽师县| 东辽县| 沿河| 通海县| 万盛区|