RAG Regression Gate

请分析我们新版 RAG 系统与上周基线的评测结果，判断哪些失败模式出现了显著回归，例如检索遗漏、上下文排序变差或回答幻觉，并用统计方法说明是否是真实退化而非随机波动。

一份回归诊断结果，列出显著退化的失败模式、显著性判断及可能影响范围。

基于当前候选版本和生产基线的 RAG 评测数据，给出是否应阻止发布的判断。如果总分下降不明显，但某些关键失败模式显著恶化，也请明确指出并说明原因。

发布门禁结论，包含通过或拦截建议，以及触发门禁的具体失败模式说明。

比较两套 RAG 检索策略在同一测试集上的表现，不仅看总体指标，还要识别哪一类失败模式在新策略下显著增加，并评估结论的统计可信度。

一份策略对比分析，说明总体差异、显著回归类别及统计可信度。