本文研究的是检索增强生成（RAG）系统中的「幻觉分流」问题：如何在成本受限的前提下，对模型生成的答案进行廉价分类路由——低风险答案直接采纳、不确定的送人工复核、只有极少数高成本样本才交给强验证器（如大型 NLI 模型）处理。作者指出，现有评估往往存在信息泄漏（同一文档的上下文同时出现在训练与测试折中），导致门控模型的泛化能力被高估，因此提出 RAGScope：一套「防泄漏、成本感知」的证据门控评估协议。该协议只允许门控使用任务输入、检索到的上下文与答案文本，不依赖参考答案；在评估流程上组合了按上下文分组的切分（context-grouped splits）、折内预处理（fold-scoped preprocessing）、组级自助法置信区间、部署工作点（operating points）、端到端运行时间测量，以及显式的来源漂移压力测试。实验在 RAGTruth 的三个任务上进行：增强版门控 RAGScope-E 在合并的组级交叉验证中达到 0.798 AUROC 与 0.660 平均精度（AP）；其 AP 比 ROUGE-L 高 0.034，95% 上下文组区间为 [0.002, 0.064]，但 AUROC 提升不显著，且在 data-to-text 任务上 ROUGE-L 仍更强。按部署视角看，在「只复核前 10%」的预算下 RAGScope-E 精确率为 0.748；若直接接受风险最低的 50% 答案，残余不忠实率仍有 0.141。成本方面，RAGScope-E 在 CPU 上仅 6.22 ms/样本，而所测试的 DeBERTa-NLI 与 HHEM 分别为 145.75 与 223.07 ms/样本，相差约 23–36 倍。作者还用 14,900 条 HaluBench 样本做跨来源压力测试，暴露出部署边界：域内校准的门控可达 0.879 AUROC，但留一来源校准（leave-source-out）平均仅 0.466，说明校准参数无法跨来源迁移；改用目标域少量标注重新校准后恢复到 0.675（每来源 100 条标签）与 0.685（200 条标签）。结论是：廉价证据门控适合作为 RAG 的分流组件，但任何学习式校准都必须在目标域内验证与适配。