最新研究验证，在多套效果相近的监狱再犯风险模型给出不同评分的时候，给这名罪犯直接取所有模型里面最低的再犯风险分数，整套评估体系整体的预测准确度不会下降。出现这个结论，是因为参与对比的多个模型本身预测能力接近，出现分数分歧的大多是处在风险分界边缘的样本，数量占比不大，就算统一采信最低风险分，整体 AUC、准确率这类核心指标基本保持稳定。这套做法的落地流程是，先训练、筛选一批预测性能差不多的再犯风险模型组成模型池；同一个评估对象送入全部模型计算，收集全部风险得分；规则固定选取里面最低分作为本次评估结果；最后搭配人工复核机制，把结果交给执法人员作为假释、分级管控的辅助参考，不能单独当成唯一判据。这套方案的核心价值，主要是解决多模型评估带来的预测随意性问题，避免仅仅因为换了一个模型，同一个罪犯就被判定成更高风险，偏向对当事人有利的评估原则。
这套最低分方案适用前提清单
- 模型池内所有再犯风险模型，经过验证，基础预测能力接近、误差水平相近
- 分歧样本集中在风险临界边界，不是高风险、低风险两极样本
- 仅作为辅助评估工具，不替代监狱民警、检察官、法官的人工审查
- 需要定期用新增释放人员的再犯数据，复测整套模型池的准确度
最低分方案优势
- 降低算法带来的评估随机性：同一个人不会因为切换模型得到差异巨大的风险等级
- 落实有利当事人原则：在模型结果不确定时，采用更低风险的结论
- 不用牺牲整体评估效果：实验数据显示整体预测指标几乎无衰减
最低分方案存在局限
- 只适用于模型性能接近的模型池，如果模型质量差距很大，取最低分会明显失真
- 会改变单个人的风险标签，可能提升少数个案漏判概率，需要配套人工复核
- 不能直接照搬国内监狱执法流程，国内再犯危险评估有独立规范与指标体系
【常见问题】
问题 1：监狱再犯风险模型选用最低分方案，会不会拉低整体评估准确度？
回答 1：符合实验条件下不会，监狱再犯风险模型选用最低分方案，在模型池各模型效果相近时，整体预测准确度基本保持不变，只有模型质量差异很大时才会出现准确度下滑。
问题 2：监狱再犯风险模型最低分方案，适合直接拿来用于国内监狱假释审批吗？
回答 2：不适合直接套用，国内有自成体系的再犯罪危险评估指数规范，这套最低分方案是海外学术研究结论，只能作为算法优化思路参考，不能替代现行评估流程。
问题 3：监狱再犯风险模型最低分方案，它的核心作用是什么？
回答 3：监狱再犯风险模型最低分方案，主要用来解决多模型评估时的预测随意性，减少因为模型不同造成同一个罪犯风险等级忽高忽低的问题，偏向采用对当事人有利的评估结果。
问题 4：哪些情况不能使用监狱再犯风险模型最低分方案？
回答 4：当模型池里面各个再犯风险模型预测能力差距明显、大量样本远离分界阈值时，不适合使用监狱再犯风险模型最低分方案，容易造成评估结果严重失真。
【参考资料】
[2026-11-10]（研究：再犯风险评估取最低分，整体预测精度不受影响）维也纳工业大学官网
[2026-11-10]（Prison data analysis finds choosing lowest reoffending risk scores preserves overall accuracy）phys.org
[2026-06-02]（Model Multiplicity and Predictive Arbitrariness in Recidivism Risk Assessment）arXiv
【免责声明】
本文内容仅整理海外学术研究公开结论，监狱再犯风险模型最低分方案属于算法研究思路，不代表国内刑罚执行、风险评估的现行标准与执法规范；实际罪犯再犯危险评估，必须以国内司法、监狱主管部门正式文件和人工综合研判为准，不构成执法、办案指导意见。