长城汽车9月汽车销量合计约11.49万台 同比减少13.99%-汽车频道-和讯网
和讯汽车 媒体档案 本站收录 1421 篇 近 180 天 1377 篇 营销维度扣分 180/n=1388 篇 在档更正 0 次 查看档案 →热点栏目自选股数据中心行情中心资金流向模拟交易客户端长城汽车发布公告，于2026年9月，汽车销量合计约11.49万台，同比减少13.99%；产量约12.11万台…
读原文 · 和讯汽车 →信源数 2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」。
和讯汽车汽车之家
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 0个
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。
两家写到的关键数字一样，没有独有的。
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）。
为什么是这个分？（点开看判定依据）
这个分怎么自己复算
- 口径版本
- quality-rules-v1+3e8acca1e74a
- 原文指纹
- 02c8ce9646cf662560305b0c6c95f7e4…
- 判决方式
- 规则版 —— 逐位复现：同一条原文、同一个口径版本， 任何人都该跑出一模一样的四维扣分和总分。
- 复算命令
- python manage.py recompute_verdict 5661
这条命令不写库、不调模型、不联网：拿着这个仓库和那条原文就能跑。 口径参数表在 判定口径 页上， 和上面这个版本号是同一份。
这篇全文共 4 句 —— 逐句过检结果：
「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。
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。
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