同一张环保罚单被50家网站转载以后，为什么龙虎斗检测如果显示“50个重大事件”，这个AI系统基本已经从第一步就错了？
风险面板上突然跳出“Company A：50个重大环境事件”，任何人第一反应都是出大事了。把这50条展开，标题几乎一样，正文几乎一样，发布时间集中在36小时内，最早的那条来自监管机构官网，后面49条是通讯社稿、地方门户、财经聚合站和几十个行业自媒体的转载。这是一张罚单，不是50张。一个把它数成50个事件的系统，问题不在评分模型，而在它根本没有“事件”这个概念，只有“文章”。
Article Syndication是新闻生态的常态
一篇稿件被几十上百家网站转载，是新闻分发的正常现象，不是异常。通讯社的稿件天然会被大量媒体采用，监管公告会被财经媒体整理转发，热点事件会被自媒体二次加工。如果AI只统计Mention Count，那么它测量的是传播广度，而不是风险数量。更糟糕的是，传播广度与企业规模高度相关：大公司的任何事情都会被转载更多，小公司的严重事件可能只有一两篇报道。以Mention Count为核心的系统会系统性地惩罚知名企业、放过不知名企业，这是News Coverage Bias最直接的来源。
Same Event：什么叫“同一件事”
龙虎斗检测判断两篇文章是否描述同一事件，依赖四个条件。Entity Match：主体是否相同，包括简称、子公司、旧名的映射。Time Match：事件时间是否落在同一窗口，注意是事件时间而非发布时间。Event Similarity：事件要素是否一致，事件类型、涉及方、处罚机关、金额、地点、违法类型。Source Cluster：文章之间是否存在转载关系，通过文本相似度、引用关系和发布时序判断。四个条件同时满足，两篇文章归入同一个Event ID。任何一个条件不满足，则可能是不同事件，需要单独建档。
News-to-Event Funnel
用漏斗来看这个过程：50篇文章进入，Entity Match后可能剩38篇（另外12篇说的是一家同名公司或其无关子公司），Time Match后剩35篇（3篇是两年前旧案的转载），Event Similarity后剩33篇（2篇描述的是另一起不同的检查），Source Cluster后发现只有3篇是原发报道，其余30篇是转载。最终输出：1个ESG Event，3条原发Evidence，30条转载记录，以及被剔除的17篇文章各自的去向。这些数字是示意，但结构是真实的。
Event ID与Evidence Set
去重的产物不是“删掉49篇”，而是建立一个Event ID，把50篇文章按角色挂在它下面。原发报道是核心Evidence，转载记录保留但标记“无信息增量”，包含企业回应或新细节的转载则升级为独立Evidence。这样设计的原因是，转载本身也有信息价值：它说明事件的传播范围与公众关注度，这对Materiality判断有参考意义，只是不能被当作事件数量。
Mention Count的正确用法
Mention Count不应该被丢弃，而应该被放到正确的位置。它是Event的一个属性，可以用来度量传播热度，可以作为Alert Prioritization的辅助因子，可以帮助判断事件是否进入公众视野。但它不能决定Severity，不能决定事件数量，不能直接进入风险分数。一张罚单的严重程度取决于违法类型、金额相对企业规模、环境损害、是否重复、是否整改，与转载了多少次无关。
去重失败的几种典型形态
第一种，过度合并：把两起不同的处罚因为主体相同、时间接近而合并成一起，漏掉一个真实事件。第二种，合并不足：同一事件因为不同媒体用了不同的公司称呼而被拆成多个事件。第三种，旧闻复活：旧案的新转载没有匹配到已存在的Event，被当作新事件。第四种，跨主体污染：同名公司的事件被合并进来。每一种失败都需要在Precision与Recall之间做权衡，龙虎斗检测选择让不确定的合并进入人工复核队列，而不是自动决定。
时间戳：转载会让旧事件看起来像新事件
去重的另一个维度是时间。一张两年前的罚单可能因为某篇回顾文章被重新提及，再被十几家网站转载。如果系统以发布时间作为事件时间，它会认为企业刚刚又被处罚了一次。龙虎斗检测区分Event Date、Publish Date与Crawl Date：新抓取的文章首先与已存在的Event做匹配，如果事件日期、主体与事实都对应到已有记录，它就是一条新的转载证据，挂在旧Event下，不改变事件状态，也不产生新的Alert。只有当文章描述的是新的事实，例如复议结果或整改验收，它才成为新的Evidence并可能触发状态更新。
子公司、品牌与同名公司让去重更难
去重的前提是Entity Match，而Entity Match本身就是难点。50篇报道里，有的用集团全称，有的用品牌名，有的用被处罚的子公司名，有的把一家同名企业的事混了进来。如果Entity Resolution把它们全部算成同一主体，去重会过度合并；如果把它们全部当成不同主体，去重会完全失效。龙虎斗检测的做法是先把每篇文章的主体映射到Entity Graph上的节点，再在“直接主体相同或通过股权关系可归属”的范围内做事件相似度比较，同名但无关系的企业从一开始就不进入同一个候选池。
Deduplication之后才是风险分析
只有当50篇文章被还原成1个带证据集的Event之后，后面的工作才有意义：给它标注状态（Penalty Issued）、评估Severity（金额、损害、是否重复）、判断Materiality（对Company A的业务与责任链意味着什么）、计算Confidence（我们多确定这是这家公司的这张罚单）。所有这些判断都基于一个事件，而不是50个。
结论
媒体数量可以反映传播范围，却不能直接代表事件数量。专业风险监测首先应该把几十篇报道还原成一个拥有多条Evidence的真实Event。龙虎斗检测把去重放在整个流程最前面，正是因为它决定了后面每一步的输入是否可信。AI识别结果可能包含待核实事件或模型误判，不构成企业违法认定，重要事件应回到原始来源并进行人工核查。