Bug: Experiment comparison header shows inverted improvement/regression counts

快速结论：该问题出现在 Langfuse 实验对比（Experiment comparison）视图的分数列头部，头部聚合的 improvement/regression 计数与左侧 observation panel 相反；优先核对头部聚合逻辑，而不是怀疑底层打分数据。该问题已在 PR #17929 中修复。

适用环境：Langfuse v4.45.1；浏览器 Chrome 153.0.8010.53。Issue 未提供 Python、CUDA、显卡或依赖版本信息。

最快修复方案：升级到包含 PR #17929 的 Langfuse 版本，该 PR 已合并并修复此问题。

注意事项：Issue 正文未给出具体修改点，仅说明根因定位后由 PR #17929 修复；如果无法立即升级，可先以 observation panel 或下钻单个 trace 的数据为准。修复涉及的版本号、commit 或发布标签在 Issue 中没有明确说明，需自行确认所用版本是否包含该 PR。

问题场景

在 Langfuse 的 experiments comparison 视图中对比两次 experiment run（baseline 与 candidate）时，查看某个 metric（例如 Answer Relevancy、Faithfulness、Context Relevance、Check Correctness）的分数列。表格顶部的 header indicators 显示的 improved/regressed 计数与颜色，与左侧 observation panel 的计数相反。该问题影响 comparison 视图中的所有 metric，属于 header 聚合/显示逻辑的问题，不影响下钻后的单个 trace 数据。

报错原文

Bug: Experiment comparison header shows inverted improvement/regression counts

Observation panel (left sidebar): Shows correct counts
- Example: "Improved: 5, Regressed: 9, Unchanged: 31"

Header indicators: Appear to show opposite values
- The counts/colors seem swapped relative to the observation panel

原因分析

问题出在对比表格 header 的聚合/显示逻辑，而非底层打分数据。Issue 指出该问题与 PR #16917（重建 results grid 的 score column header）引入的逻辑相关，具体表现为 header 的 improved/regressed 计数与颜色相对 observation panel 被颠倒。下钻单个 trace 的实际变化与 observation panel 一致，说明数据本身正确，问题局限在 header 的统计或展示层。

环境排查

确认 Langfuse 版本，Issue 报告版本为 v4.45.1。
确认所用版本是否已包含 PR #17929 的修复。
确认浏览器版本，Issue 报告为 Chrome 153.0.8010.53。
确认对比的是同一组 experiment run 与同一 metric，避免不同筛选条件导致的误判。
Issue 未提供 Python、CUDA、PyTorch、显卡或节点依赖版本，无需按这些项排查。

解决步骤

先确认当前 Langfuse 版本是否为 v4.45.1 或包含 PR #16917 的版本。
在出现计数不一致的 metric 上，对照查看 header indicators、左侧 observation panel 以及下钻后的单个 trace，确认差异模式是否为 improved/regressed 互换。
升级到包含 PR #17929 的 Langfuse 版本，该 PR 已针对此问题合并。
升级后重新打开 experiments comparison 视图，复现同一组 baseline vs candidate 对比。

验证方法

重新进入同一 experiments comparison 视图，检查 header 的 improved/regressed/unchanged 计数是否与左侧 observation panel 完全一致，并确认颜色指示与计数方向一致。再随机下钻几条 trace，确认 header 计数与单个 trace 的实际分数变化一致（例如 80→90 记为 improved，90→80 记为 regressed）。