基于ACP和LLM犯罪学研究进展：综述与展望.pdfVIP

第7卷第1期智能科学与技术学报Vol.7No.1

2025年3月ChineseJournalofIntelligentScienceandTechnologyMarch2025

基于ACP和LLM犯罪学研究进展：综述与展望

12,34566

刘佳茜,王兴霞,范丽丽,黄峻,张宁,孟庆振

（1.英国曼彻斯特大学社会科学学院，曼彻斯特M139PL；

2.中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京100190；

3.中国科学院自动化研究所多模态人工智能系统全国重点实验室，北京100190；

4.北京理工大学自动化学院，北京100081；

5.澳门科技大学创新工程学院，澳门999078；

6.公安部鉴定中心，北京100038）

摘要：为提供犯罪学研究的新视角和更有效的工具，围绕如何基于ACP（人工系统、计算实验、平行执行）

方法和大语言模型（largelanguagemodel，LLM）进行犯罪学研究展开。首先，深入剖析了传统犯罪学研究在

系统刻画、动态推演及实证研究等方面面临的瓶颈，并详细阐述了ACP方法在解决上述挑战中的潜在优势。然

后，提出了基于ACP和LLM的犯罪学研究框架，探讨了其理论意义与实践价值。最后，对未来基于LLM的数

字助手如何赋能犯罪学研究进行了展望，同时指出该模式在实际应用中可能面临的挑战，并强调应多加强多学

科协作与技术创新，以推动犯罪学理论与实践发展，提升犯罪防控整体效能。

关键词：ACP方法；犯罪学；犯罪防控；大语言模型

中图分类号：D917

文献标志码：A

doi:10.11959/j.issn.2096-0271.202512

TheACPandLLM-basedframeworkforcriminology:

areviewandprospect

12,34566

LIUJiaxi,WANGXingxia,FANLili,HUANGJun,ZHANGNing,MENGQingzhen

1.TheUniversityofManchester,SchoolofSocialScience,ManchesterM139PL,UK

2.StateKeyLaboratoryforManagementandControlofComplexSystems,InstituteofAutomation,ChineseAcademyofSciences,Beijing100190,China