河北一商场内奔驰展车撞破护栏、险坠负一楼，官方客服：已修复，商场正常营业

和讯汽车 2026-08-25 08:06 1 行业奔驰

和讯汽车媒体档案本站收录 668 篇近 180 天 624 篇营销维度扣分 151/n=665 篇在档更正 0 次查看档案 →

一句话总结规则摘录 · 正文首句

8月24日，日前，多名网友发布短视频称，河北省邯郸市环球中心美乐城商场内，一楼处停放的一辆奔驰展车突发意外，车辆向后倒去，撞向商场电梯护栏，险坠落至负一楼。

读原文 · 和讯汽车 →

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 —

同一件事有几家不同来源报道过。≥3 家才够本站的「已核验」。

这篇没有这一项：它不在任何多源事件簇里（孤篇）。

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）。

质量分 85/100

✓ 未见明显问题

送检你自己的稿 →

AI 判断仅供参考

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）

正面证据 0/3 · 本文上限 85 分

满分不是默认值，是挣来的：每拿出一条可核的正面证据，上限抬 5 分。

✗ 具名信源 · 还差：正文有具名信源（姓名/职务/署名机构）

✗ 信源多元 · 还差：至少两个不同信源主体，不是一家之言

✗ 数字有出处 · 还差：关键数字写明了出处

满分 100，本文累计扣 0 分，扣完得 100 分，再按正面证据封顶到 85 分。评分由 AI 主编依据新闻专业主义进行评审，仅供参考。

这个分怎么自己复算

口径版本: quality-rules-v1+3e8acca1e74a
原文指纹: 871fa18b688fbee075f3329a17f12111…
判决方式: AI 主编 v4 —— 只保证数字自洽、证据可查：大模型不承诺同输入同输出，所以这一档不说「跑一遍得同一个分」。
复算命令: python manage.py recompute_verdict 2875

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。

说明与免责 本文的质量分与标注由公开报道与公开规则自动生成，仅呈现可复算的观测（词频、占比、时间分布、原文出处），每条均附原文链接可自行核对， 不构成对任何机构或个人的评价、定性或指控。自动判定会出错，结果仅供参考，请以原文与官方口径为准。

对这条记录有异议？我要申诉 →

这篇全文共 7 句 —— 逐句过检结果：

有据 4 句（57%）营销 / 情绪词句 0 句（0%）无据断言 0 句（0%）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。

▸ 8月24日，河北省邯郸市环球中心美乐城商场内发生意外

出处

▸ 一辆奔驰展车向后倒去，撞向商场电梯护栏

出处

▸ 车辆险些坠落至负一楼，扶梯设备受损，玻璃被撞破未对上原文

▸ 目击者称听到巨响，以为是商场大灯掉落

出处

有目击者称，当时听到一声巨响，以为是商场大灯掉落。

▸ 商场官方客服表示已修复损坏的护栏，商场正常营业

出处

对于该情况，新浪财经致电邯郸环球中心美乐城商场，官方客服表示：“事情已经解决，现在商场正常营业，被损坏的护栏也已经修好。

▸ 奔驰官方暂无回应，奔驰客服表示未接到相关通知未对上原文

AI 提炼要点以上为 AI 自动提取的要点摘要，仅供快速了解，不代表本站立场

阅读原文 · 和讯汽车

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。

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

河北一商场内奔驰展车撞破护栏、险坠负一楼，官方客服：已修复，商场正常营业

这篇全文共 7 句 —— 逐句过检结果：

你也判一下：这篇写得客观吗？

这篇稿子对你有价值吗？

评论（0）

相关推荐