법적 판결 예측 (Legal Judgment Prediction, LJP)은 형사 법률 영역에서 AI를 평가하기 위한 핵심 벤치마크가 되었으나, 이는 이미 검찰의 검토를 거쳐 정식 기소된 형사 사건만을 다룹니다. 그 결과, LJP는 증거 불충분, 죄가 안 됨, 또는 기소유예와 관련된 사례들을 간과함으로써 형사 책임을 평가하는 데 있어 상당한 사각지대를 남깁니다. 이러한 공백을 메우기 위해, 우리는 검찰 검토를 중심으로 구축된 최초의 법률 AI 태스크인 extbf{검찰 결정 예측 (Prosecution Decision Prediction, PDP)}을 제안합니다. PDP는 각 사건을 기소 또는 세 가지의 불기소 결정 중 하나로 분류하며, 증거 평가 (evidence evaluation), 법적 포섭 (legal subsumption), 그리고 가치 기반의 재량 (value-based discretion) 측면에서 법률 AI의 역량을 반영합니다. 나아가 우리는 190개 혐의에 걸쳐 4,630개의 실제 중국 검찰 결정을 포함하는 벤치마크인 extbf{PDP-Bench}를 구축했습니다. 광범위한 실험 결과, 최첨단 거대언어모델 (LLMs)은 LJP보다 PDP에서 현저히 낮은 성능을 보였으며, 주요 강화 경로 (enhancement routes)들 또한 이 격차를 줄이는 데 실패했습니다. 또한, 통제된 RLVR (Reinforcement Learning from Verifiable Rewards) 개입을 통해, 단순한 결과 보상 (outcome rewards)만으로는 일반화 가능한 PDP 판별력을 생성할 수 없음을 보여줍니다.