震惊！小米SU7竟然出了这种问题，万万没想到真相是这样
一句话总结
规则摘录 · 正文首句
最近小米SU7在网上引发热议。
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」。
某自媒体
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
为什么是这个分？（点开看判定依据）
第二层证据：规则命中（词表逐词可复算）
标题夸张表述 −25
：
震惊竟然万万没想到真相
证据：“震惊！小米SU7竟然出了这种问题，万万没想到真相是这样”
满分 100，本文累计扣 25 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 6 句 —— 逐句过检结果：
有据 1 句（17%）
营销 / 情绪词句 0 句（0%）
无据断言 0 句（0%）
中性 5 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。
最近小米SU7在网上引发热议。 有网友发帖称自己的SU7出现了一个细节问题——中控台缝隙比展车稍大约0.3毫米。 经4S店检查，属于正常公差范围内。 工程师表示这个级别的公差不会影响任何功能和耐久性。 实际上，制造公差是所有汽车品牌都存在的正常现象。 （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