实测小米SU7城市NOA：接管率与体验详解
一句话总结
规则摘录 · 正文首句
小米SU7的城市NOA功能推送已有一段时间，我们在早晚高峰的城区道路上进行了连续三天、累计约180公里的实测，重点记录接管次数、变道成功率与极端场景表现。
成分表
五个可核对的量，全部来自本篇已有的判定数据
信源数 1家
同一件事有几家不同来源报道过。≥3 家才够本站的「已核验」。
懂车帝
具名引用 0处
正文里点名到的信源（机构 / 人名 / 公告）。判决里没有这一项的老稿留空。
判决里这一项是空的——正文没点名到可核的信源。
情绪强度 0分
情绪化表述的扣分，0 = 没量到情绪词。
没有量到情绪词。
独有数字 —
本篇写了、同事件另一家没写的关键数字。不代表对方漏了，只是这篇多给了。
这篇没有这一项：它不在任何多源事件簇里（孤篇）。
正文重合 —
与同源最相似那篇的正文重合度。高不等于抄——同一场发布会出来的稿子，本来就会用同一批数字和同一段官方表述。
这篇没有这一项：它不在任何多源事件簇里（孤篇）。
AI 主编（国产大模型）评审 AI 生成
文体：硬新闻
为什么是这个分？（点开看判定依据）
满分 100，本文累计扣 0 分。
评分由 AI 主编依据新闻专业主义进行评审，仅供参考。
这篇全文共 7 句 —— 逐句过检结果：
有据 3 句（43%）
营销 / 情绪词句 0 句（0%）
无据断言 1 句（14%）
中性 3 句
「有据」= 句中有具名信源或带单位的可核查数据；「无据断言」= 用了绝对化说法但整句既无信源也无数据。 自动判定会出错，这只是对句子用词的机器观测，不是对内容真伪的结论。
小米SU7的城市NOA功能推送已有一段时间，我们在早晚高峰的城区道路上进行了连续三天、累计约180公里的实测，重点记录接管次数、变道成功率与极端场景表现。 整体来看，SU7在主干道上的表现稳定：无保护左转的通过率约八成，遇到外卖电动车横穿时制动动作干脆但不突兀。 三天里共发生6次人工接管，其中4次集中在施工路段与临时交通管制，属于当前行业普遍难点； 另外2次是对公交车道的识别犹豫，系统提示接管的时机给得足够早。 与第一梯队的头部方案相比，SU7的城市NOA在变道果断性上仍有差距，但考虑到推送节奏与迭代速度，这套系统的进步曲线值得关注。 我们将在下一个大版本推送后进行回归测试。 （本文为平台演示内容，非真实报道）
就着这篇往下查
让 AI 智能体以本篇点到的车型为对象跑一次调查：自己定计划、逐个调工具，
过程和证据全程可见。结论是模型生成的，不保证可复算。
让 AI 查 小米 SU7 →
你也判一下：这篇写得客观吗？
先说你的判断，再看 AI 判了什么——我们不写谁对谁错。
你判
—
AI 判
—
两边不一样很正常——本站表述倾向抽检准确率 只有 56.5%， AI 的判定不是标准答案。你的判断记在读者信号里， 与人工金标分开存放；是否纳入训练要等标注口径会定。
这篇稿子对你有价值吗？
一键投票即可；这是读者意见，不替代人工质量标注。
0 人投票， 0% 认为有价值