苍穹筑基 银河领航,福田欧曼发布《中国智能驾驶重卡需求蓝皮书》
太平洋汽车 媒体档案 本站收录 433 篇 近 180 天 398 篇 营销维度扣分 102/n=433 篇 在档更正 0 次 查看档案 →2026年10月28日,以"智驭未来 创领新程"为主题的2026欧曼银河智能驾驶大会暨《中国智能驾驶重卡需求蓝皮书》(以下简称"蓝皮书")发布活动在京隆重举行。
读原文 · 太平洋汽车 →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」。
太平洋汽车
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)。
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+ba22d7197cb5
- 原文指纹
- d8cb0311dc508625eb5ca0680ab4ce3b…
- 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 7221
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 23 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。
镜下逐句 · 这几句被判到了
面向下一阶段,福田欧曼以“双重驱动、三层布局、生态协同”为核心,不追求“概念式领先”,持续优化“苍穹”技术架构的场景适配能力,锚定量产落地、兑现用户TCO价值,致力于让智能重卡成为货运行业可信赖的生产工具
本站不转载爬取稿全文,以上为按评论目的引用的句子,完整内容请读原文。
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