A Statistical Test for the Benefits of Personalizing Interventions¶

作者: Zhaoqi Li, Emma Brunskill
主题: 数理统计 / 假设检验
相关性: 8/10
链接: https://arxiv.org/abs/2607.08951

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向要解决的根本问题是：给定历史数据（来自随机对照试验或观察性研究），如何构造一个统计检验，来判断个性化干预策略（即根据个体协变量分配不同干预）的期望回报是否显著优于部署一个单一的最优干预（即对所有个体都使用同一个干预）。这个问题在精准医疗、个性化营销、教育干预、推荐系统等领域有直接应用。当前该方向的成熟度较低——已有工作大多局限于二元干预（处理 vs. 控制）、少量协变量，且缺乏统计效率（即检验统计量的方差未达到半参数效率下界）。

发展脉络（history）¶

奠基工作：定性交互作用（Qualitative Interaction）
Peto (1982) 和 Gail & Simon (1985) 最早在临床试验中提出“定性交互作用”的概念——即不同患者亚组中，干预的优劣方向相反。他们构造了检验是否存在这种交互作用的统计方法，但局限于预设的少数亚组和二元干预。
Silvapulle (2001) 和 Li & Chan (2006) 给出了精确临界值和稳健检验，但依然没有突破“亚组数少、干预二元”的限制。
Gunter et al. (2011) 和 Dusseldorp & Van Mechelen (2014) 分别用变量选择和决策树方法自动发现定性交互作用，但检验的统计性质（如效率、第一类错误控制）未得到严格保证。
主要进展：从定性交互到整体定性处理效应（OQTE）
Shi, Lu & Song (2020) 提出了稀疏随机投影（SRP）检验，用于检测整体定性处理效应（OQTE），并证明在二元干预下，OQTE 检验等价于个性化收益检验。这是第一个能处理高维协变量的方法，但存在三个局限：(i) 仅适用于二元干预；(ii) 使用 Bonferroni 校正，在非二元干预时过于保守；(iii) 仅做一次数据划分，对划分方式敏感。
作者在文中指出：“SRP uses a Bonferroni correction in constructing the test, whereas our test obtains the test statistic by averaging over K folds. Bonferroni provides valid Type-I error control without assumptions, but it can be conservative, especially when extending their test to multiple actions”（见 Supplementary Materials Section 2）。
当前 frontier：半参数效率与多干预场景
Imai & Li (2023) 提出了 PAPD（Population Average Prescriptive Effect Difference）估计量，用于比较两个学习到的个性化策略的差异。该工作使用交叉拟合，但估计量本质上是 IPW 形式（而非 AIPW），因此不是半参数有效的。作者在文中指出：“our proposed estimator is based on AIPW, which is semi-parametrically efficient for average treatment effect estimation, whereas PAPD can be viewed as an IPW estimator, which is not”（见 Supplementary Materials Section 2）。
Chernozhukov et al. (2018) 的 DML（Double/Debiased Machine Learning）框架为半参数有效估计提供了通用工具，但该工作本身不涉及个性化收益检验。
Luedtke & van der Laan (2016) 给出了在可能非唯一最优策略下均值结果的有效估计，但未涉及检验问题。
本文的位置：本文（Li & Brunskill, 2026）声称是第一个半参数有效的个性化收益检验，且能处理多干预（>2）和多协变量场景。其核心创新是将个性化策略和最优单一干预也视为 nuisance 参数，用 AIPW 风格估计量 + 交叉拟合 + 多次随机划分来构造检验统计量。

子线索聚类¶

这些被引文献大致落在三条子线索上：

定性交互作用检验（Qualitative Interaction Testing）：Peto (1982), Gail & Simon (1985), Silvapulle (2001), Li & Chan (2006), Gunter et al. (2011), Dusseldorp & Van Mechelen (2014), Shi et al. (2020)。这一簇的核心是检验是否存在“方向相反”的亚组效应，但大多局限于二元干预和少量协变量。
条件平均处理效应（CATE）的假设检验：Delgado & Escanciano (2013), Chang et al. (2015), Hsu (2017), Lee et al. (2013)。这一簇用条件随机占优或无条件矩不等式来检验 CATE 是否非零，但通常假设二元干预、单一协变量，且不提供效率保证。
策略学习与评估（Policy Learning & Evaluation）：Manski (2004), Qian & Murphy (2011), Swaminathan & Joachims (2015), Athey & Wager (2021), Zhou et al. (2023), Kitagawa & Tetenov (2018), Luedtke & Chambaz (2020)。这一簇关注如何从数据中学习最优个性化策略，但通常不提供对个性化收益的统计检验（即不回答“个性化是否值得”的问题）。

这个方向在追问的核心问题¶

如何构造一个检验统计量，使其方差达到半参数效率下界？ 当前主流方法（如 SRP 的 Bonferroni 校正、PAPD 的 IPW 形式）都不是半参数有效的。
如何处理多干预（>2）场景？ 已有方法（如 SRP）在扩展到多干预时面临组合爆炸或保守性过强的问题。
如何保证检验对数据划分方式不敏感？ 单次划分的方法（如 TrainEval、SRP、PAPD）在有限样本下对划分方式高度敏感。
如何在保证第一类错误控制的同时最大化检验功效？ 这等价于构造置信区间最窄的估计量。

⚠️ 作者的 framing¶

作者把缺口 frame 成：“已有工作受限于 (i) 二元干预、(ii) 少量协变量、(iii) 缺乏统计效率保证”。因此，本文的贡献被定位为“第一个半参数有效的、能处理多干预和多协变量的个性化收益检验”。

被淡化或回避的竞争路线： - 条件矩不等式方法（Andrews & Shi, 2013; Chernozhukov et al., 2013）：作者在 Supplementary Materials Section 2 中承认这些方法可以特化到本问题，但指出“they do not consider developing efficient statistical tests for the utility of personalized decision policies”。然而，这些方法在理论上也能提供渐近有效的检验，作者没有深入比较。 - 子抽样聚合（Subagging）方法（Shi et al., 2020）：作者在 Section 4.8 中讨论了子抽样聚合作为处理非唯一最优策略的替代方案，但认为它会牺牲效率。

什么明显该被引 / 该存在、却没出现在 intro 里？ - Andrews, Kitagawa & McCloskey (2024) “Inference on Winners”：该工作直接处理“从数据中选择最优策略后对其价值进行推断”的偏差问题（optimizer’s curse），与本文的动机高度相关。作者在 Supplementary Materials 中引用了它（参考文献 [41]），但未在 intro 中提及。 - Yadlowsky et al. (2025) “Evaluating Treatment Prioritization Rules via Rank-Weighted Average Treatment Effects”：该工作提供了另一种评估个性化策略价值的方法，作者在 Supplementary Materials 中引用了它（参考文献 [43]），但未在 intro 中讨论。

张力¶

未见明显对立引用。所有被引工作基本一致认为：个性化收益检验是一个重要但尚未被充分解决的问题，且已有方法在效率、多干预、稳定性方面存在不足。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号： - $X \in \mathcal{X}^d$：协变量向量（特征），$d$ 是维数。 - $A \in \mathcal{A}$：干预（行动），$\mathcal{A}$ 是有限离散行动集（如 $\{0,1\}$ 或 $\{1,2,3\}$）。 - $Y \in \mathbb{R}$：结果变量（如工资、抑郁评分、课程完成率）。 - $r(x,a) = \mathbb{E}[Y \mid X=x, A=a]$：期望结果函数（reward function），是未知的。 - $\pi: \mathcal{X} \to \mathcal{A}$：个性化策略，将协变量映射到干预。 - $\Pi$：策略类（如决策树、神经网络），由研究者指定。 - $V(\pi) = \sum_x p(x) r(x, \pi(x))$：策略 $\pi$ 的期望价值。 - $U(a) = \sum_x p(x) r(x, a)$：单一干预 $a$ 的期望价值。 - $\pi^* = \arg\max_{\pi \in \Pi} V(\pi)$：最优个性化策略（在策略类 $\Pi$ 内）。 - $a^* = \arg\max_{a \in \mathcal{A}} U(a)$：最优单一干预。 - $\psi = V(\pi^*) - U(a^*)$：个性化效应（personalization effect），即本文要检验的 estimand。 - $p(x)$：协变量分布，假设已知（或可从数据中一致估计）。 - $p(a \mid x)$：倾向得分（propensity score），即给定协变量下接受干预 $a$ 的概率。 - $n$：样本量。 - $K$：交叉拟合的折数。 - $S$：随机划分的重复次数。

模型： - 数据生成机制：$(X_i, A_i, Y_i) \overset{\text{i.i.d.}}{\sim} \nu$，其中 $\nu$ 满足： - $Y_i = r(X_i, A_i) + \epsilon_i$，$\mathbb{E}[\epsilon_i \mid X_i, A_i] = 0$。 - 假设无混淆性（Unconfoundedness）：$Y \perp A \mid X$。 - 假设重叠性（Overlap）：存在 $\eta > 0$ 使得 $p(a \mid x) \in [\eta, 1-\eta]$ 对所有 $a, x$。 - 假设 SUTVA：$Y_i = Y_i(A_i)$（个体干预不影响其他个体的结果）。 - 要估的对象：$\psi = V(\pi^*) - U(a^*)$，即最优个性化策略与最优单一干预的期望价值之差。 - 已知量：$p(x)$（假设已知）、$p(a \mid x)$（在 RCT 中已知，在观察性研究中需估计）。 - 未知量：$r(x,a)$、$\pi^*$、$a^*$。

可观测数据： - 研究者实际能观测到的是：$(X_i, A_i, Y_i)$ 三元组，$i=1,\dots,n$。 - 不可观测的量：反事实结果 $Y_i(a)$（对于 $a \neq A_i$）、期望结果函数 $r(x,a)$、最优策略 $\pi^*$、最优单一干预 $a^*$。 - 关键：$\pi^*$ 和 $a^*$ 本身是未知的，必须从数据中学习，但学习过程会引入偏差（optimizer's curse），因此不能直接用同一份数据来学习和评估。

第二步：讲最小内核¶

最简特例：假设只有两个干预（$A \in \{0,1\}$），协变量 $X$ 是离散的且只有两个取值（$X \in \{0,1\}$），策略类 $\Pi$ 包含所有可能的映射（即 $\pi(0), \pi(1) \in \{0,1\}$）。此时： - 最优单一干预 $a^* = \arg\max_{a \in \{0,1\}} \sum_{x \in \{0,1\}} p(x) r(x, a)$。 - 最优个性化策略 $\pi^*$：对每个 $x$，选择使 $r(x,a)$ 最大的 $a$。 - 个性化效应 $\psi = \sum_x p(x) [r(x, \pi^*(x)) - r(x, a^*)]$。

核心思路：本文的关键想法是，将 $\pi^*$ 和 $a^*$ 也视为 nuisance 参数，用交叉拟合来避免 optimizer's curse。具体地： 1. 将数据随机分成 $K$ 折。 2. 对每一折 $k$： - 用其他折的数据学习 $\hat{\pi}_k$（个性化策略）和 $\hat{a}_k$（最优单一干预）。 - 用另外的折的数据学习 $\hat{r}_k$（结果模型）和 $\hat{p}_k$（倾向得分模型）。 - 用第 $k$ 折的数据计算 AIPW 风格的估计量：

\[\hat{\psi}_k = \frac{1}{n_k} \sum_{i \in \text{fold } k} \left[ \hat{r}_k(x_i, \hat{\pi}_k(x_i)) - \hat{r}_k(x_i, \hat{a}_k) + \frac{1\{\hat{\pi}_k(x_i) = a_i\}}{\hat{p}_k(a_i \mid x_i)} (y_i - \hat{r}_k(x_i, \hat{\pi}_k(x_i))) - \frac{1\{\hat{a}_k = a_i\}}{\hat{p}_k(a_i \mid x_i)} (y_i - \hat{r}_k(x_i, \hat{a}_k)) \right].\]

3. 对所有折的估计量取平均：$\hat{\psi} = \frac{1}{K} \sum_{k=1}^K \hat{\psi}_k$。 4. 重复上述过程 $S$ 次（不同随机划分），得到 $\tilde{\psi} = \frac{1}{S} \sum_{s=1}^S \hat{\psi}_s$，并计算方差估计 $\tilde{\sigma}^2$。 5. 构造检验统计量 $z = \frac{\tilde{\psi}}{\tilde{\sigma}/\sqrt{n}}$，在零假设 $\psi = 0$ 下，$z$ 渐近服从标准正态分布。

为什么这个特例能体现核心困难：即使在这个最简单的设定下，$\hat{\pi}_k$ 和 $\hat{a}_k$ 是从数据中学习得到的，如果用同一份数据来评估它们的价值，就会产生向上偏差（optimizer's curse）。交叉拟合通过将学习与评估分离来解决这个问题。此外，AIPW 形式的估计量具有双重稳健性：只要结果模型或倾向得分模型之一正确指定，估计量就是一致的；如果两者都正确指定且收敛速度足够快，估计量就是半参数有效的。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：构造一个统计假设检验（K-fold Personalization Test, KPT），用于判断个性化干预策略的期望回报是否显著大于部署单一最优干预的期望回报。
核心工具 / 方法：将个性化策略和最优单一干预视为 nuisance 参数，使用 AIPW 风格估计量 + 交叉拟合 + 多次随机划分来构造渐近正态的检验统计量，其方差达到半参数效率下界。
主要结论：在标准假设下，KPT 具有渐近零的第一类错误；在更强的假设（策略学习以快速率收敛）下，KPT 是半参数有效的（即方差达到最小可能值）。在四个真实数据集（职业培训、抑郁症治疗、教育、推荐系统）上，KPT 的置信区间比现有替代方法（TrainEval、SRP、PAPD）更窄、更稳定。

关键设定与假设¶

在第二节最小记号的基础上，补全完整设定：

Assumption 1 (SUTVA)：$Y_i = Y_i(A_i)$。
Assumption 2 (Unconfoundedness)：$Y_i \perp A_i \mid X_i$。
Assumption 3 (Strong overlap)：$\exists \eta > 0$ 使得 $p(a \mid x) \in [\eta, 1-\eta]$ 对所有 $a, x$。
Assumption 4 (Bounded reward)：$\max_{x,a} |r(x,a)| \leq C_1 < \infty$。
Assumption 5 (Consistency of estimators)：结果模型 $\hat{r}_k$ 和倾向得分模型 $\hat{p}_k$ 是相合的（均方误差趋于 0）。
Assumption 6 (Fast best-arm learner)：$\mathbb{P}(\hat{a}_k \neq a^*) = o(n_k^{-1/2})$。这是关键假设，意味着最优单一干预可以被快速学习（例如，在最小间隔假设下成立）。
Assumption 7 (Convergence of nuisance parameters)：结果模型和倾向得分模型的乘积误差为 $o_P(n^{-1/2})$。这是 DML 中的标准假设。
Assumption 8 (Finite variance)：$\text{Var}(\epsilon_i) \leq C < \infty$。
Assumption 9 (Imperfect observation)：$\text{Var}(\epsilon) \geq c_0 > 0$。
Assumption 10 (Consistency of learned personalized policy)：最优个性化策略 $\pi^*$ 几乎处处唯一，且 $\mathbb{P}(\hat{\pi}_k(X) \neq \pi^*(X)) \to 0$。
Assumption 11 (Low-regret policy learner)：$\mathbb{E}_x[r(x, \hat{\pi}_k(x)) - r(x, \pi^*(x))] = o(n^{-1/2})$。这是效率结果所需的更强假设，可以通过边际条件（margin condition）实现。

相比已有文献的放宽或强化： - 相比 SRP（Shi et al., 2020）：放宽了二元干预的限制，但增加了 Assumption 6（快速最优臂学习）和 Assumption 11（快速策略学习）。 - 相比 PAPD（Imai & Li, 2023）：使用了 AIPW 而非 IPW，因此需要 Assumption 7（乘积误差率）来保证效率。

主要结果¶

Theorem 3.1 (Type I error control)：在 Assumptions 1–10 下，在零假设 $\psi = 0$ 下，对于单次划分（$S=1$），检验统计量 $z_n = \sqrt{n} \hat{\psi} / \hat{\sigma}$ 满足 $\mathbb{P}(z_n > z_{1-\alpha/2}) \to 0$ 对任意 $\alpha > 0$。即第一类错误渐近为 0。

Corollary 3.2 (Multiple splits)：在相同假设下，对于任意固定的 $S$，多次划分后的统计量 $z_{\tilde{\psi}}$ 也满足第一类错误渐近为 0。

Corollary 3.21 (Semiparametric efficiency)：在 Assumptions 1–8 和 10–11 下，多次划分后的估计量 $\tilde{\psi}$ 是半参数有效的，即 $\sqrt{n}(\tilde{\psi} - \psi) \Rightarrow N(0, \text{Var}(\Gamma^*_1))$，其中 $\text{Var}(\Gamma^*_1)$ 是半参数效率下界。

Proposition 3.18 (Efficient influence function)：个性化效应 $\psi$ 的有效影响函数（EIF）为：

\[D(P)(x,a,y) = \mu(x, \pi^*(x)) - \mu(x, a^*) + \frac{1\{\pi^*(x)=a, a^* \neq \pi^*(x)\}}{p(a \mid x)} (y - \mu(x, \pi^*(x))) - \frac{1\{a^* = a, a^* \neq \pi^*(x)\}}{p(a \mid x)} (y - \mu(x, a^*)).\]

Proposition 3.20 (Pathwise differentiability)：在最优策略和最优单一干预唯一且存在最小间隔的条件下，$\psi$ 是路径可微的，因此上述 EIF 有效。

证明路线与技术技巧¶

整体路线（Type I error 证明，Theorem 3.1）：

分解估计量：将 $\hat{\psi}_k$ 分解为 oracle 部分（使用真实 $r, p$）和误差部分（使用估计的 $\hat{r}_k, \hat{p}_k$）。
控制误差项：利用 Assumption 7（乘积误差率）证明误差项为 $o_P(n^{-1/2})$。
处理 oracle 部分：在零假设下，$\pi^*(x) = a^*$ 对所有 $x$ 成立（因为如果存在 $x$ 使得 $\pi^*(x) \neq a^*$，则 $\psi > 0$）。因此，oracle 部分的期望为 0。
处理 $\hat{a}_k \neq a^*$ 的情况：利用 Assumption 6（快速最优臂学习），证明 $\sqrt{n} \cdot 1\{\hat{a}_k \neq a^*\} = o_P(1)$，从而该部分贡献可忽略。
方差下界：利用 Lemma 3.3 证明方差有正下界（与 $\mathbb{P}(\hat{\pi}_k(X) \neq \hat{a}_k)$ 成正比），从而统计量分母不会趋于 0。
聚合多折：利用 Proposition 3.22 证明全样本方差不低于各折方差的平均，从而 $z_n \leq \sqrt{K} \max_i T_{n,i}$，其中每个 $T_{n,i} = o_P(1)$。

关键跳跃点： - Lemma 3.3：证明单折统计量 $T_{n,k} = o_P(1)$。难点在于处理 $\hat{a}_k \neq a^*$ 的情况，此时 $\hat{\pi}_k$ 可能不等于 $\hat{a}_k$，导致方差下界不为 0。作者通过将 $T_{n,k}$ 分解为条件期望和偏差项，并利用 Assumption 6 证明偏差项可忽略。 - Proposition 3.4：证明估计的 nuisance 参数与 oracle 参数之间的差异为 $o_P(n^{-1/2})$。这需要将 AIPW 估计量的差分解为多个项，并分别用 Assumption 5（相合性）和 Assumption 7（乘积误差率）控制。

技术技巧点名： - AIPW（Augmented Inverse Propensity Weighting）：用于构造双重稳健的估计量，使估计量在结果模型或倾向得分模型之一正确时仍一致。 - 交叉拟合（Cross-fitting）：将数据分成 $K$ 折，用不同折学习 nuisance 参数和计算估计量，避免过拟合导致的渐近偏差。 - 多次随机划分（Repeated random splits）：通过多次随机划分并聚合结果，提高有限样本下的稳定性，同时保持渐近性质。 - 有效影响函数（Efficient Influence Function）：用于推导半参数效率下界，并证明估计量达到该下界。 - 路径可微性（Pathwise differentiability）：证明 $\psi$ 是路径可微的，从而 EIF 有效。

真实例子与应用¶

本文使用了四个真实数据集和一个半合成数据集：

半合成 Job Corps 职业培训数据：
数据：美国 Job Corps 项目（针对低收入年轻人的职业培训项目）的随机对照试验数据，10214 名参与者，12 个协变量，结果变量为项目注册 4 年后的周工资。
方法：对 18-19 岁参与者的结果进行了半合成调整（在控制组加 $30/周，在 Job Corps 组减 $5/周），以确保存在个性化收益。个性化策略类为基于年龄段的决策树（三个年龄段）。
结果：KPT 检测到显著的个性化收益（$p < 10^{-3}$，$z = 3.645$，置信区间为 $10.097 \pm 2.77/周)）。TrainEval 在 11% 的随机划分中未能检测到显著性。
说明：验证了 KPT 在存在真实个性化收益时的检测能力，以及相比单次划分方法的稳定性优势。
抑郁症治疗数据（Nefazodone）：
数据：随机对照试验，647 名慢性抑郁症患者，随机接受 Nefazodone（药物）、CBASP（心理治疗）或两者结合，50 个基线协变量，结果变量为 Hamilton 抑郁评分。
方法：使用与 Job Corps 相同的策略学习算法（DR Policy Tree）。
结果：KPT 返回不显著的 $p$ 值（$p > 0.05$），与先前研究一致（无个性化收益）。TrainEval 在 8% 的划分中错误地报告显著性，PAPD 在 7% 的划分中错误地报告显著性。
说明：展示了 KPT 在零假设下的第一类错误控制能力，以及相比替代方法的稳定性。
MOOC 教育数据：
数据：大规模随机对照试验，199517 名参与者，6 个协变量，5 种行为科学干预（计划制定、价值相关性等），结果变量为课程完成率。
方法：使用 DR Policy Forest 进行策略学习。
结果：KPT 返回不显著的 $p$ 值（$p > 0.1$），置信区间为 $0.18\% \pm 0.26\%$，表明任何个性化收益（如果存在）都非常小。TrainEval 在 5% 的划分中错误地报告显著性，PAPD 在 11% 的划分中错误地报告显著性。
说明：展示了 KPT 在多干预（5 种干预）场景下的适用性，以及相比替代方法的稳定性。
笑话推荐数据（Jester）：
数据：Jester 数据集，48447 名用户，10 个最高评分笑话作为干预，100 维协变量（来自其他 90 个笑话的评分）。
方法：使用 Lasso 回归进行结果建模和策略学习。
结果：KPT 检测到显著的个性化收益（$p < 10^{-3}$，$z = 6.51$，置信区间为 $0.134 \pm 0.0206$）。SRP 不适用（非二元干预），TrainEval 和 PAPD 也检测到显著性，但估计值在不同划分间变化较大。
说明：展示了 KPT 在高维协变量和多干预（10 种干预）场景下的适用性。

模拟实验： - 两个完全合成的模拟场景（Threshold-large 和 Threshold-small），用于评估第一类错误和检验功效。 - 结果：KPT 的第一类错误控制在 5% 以下（与 SRP 相当），而 TrainEval 和 PAPD 在零假设下错误拒绝率超过 10%。在非零个性化效应下，KPT 的检测功效与 SRP 和 PAPD 相当。

🔎 结论是否比证明窄¶

效率结果依赖于 Assumption 11（快速策略学习）：作者在文中明确承认：“our theoretical efficiency results require fast policy learning”（见 Supplementary Materials Section 4）。然而，在模拟实验中，即使策略学习不完美（准确率低于 90%），KPT 仍然表现良好。这表明效率结果可能比证明所需的假设更宽泛，但作者没有给出更弱假设下的理论保证。
Type I error 结果依赖于 Assumption 6（快速最优臂学习）：作者在 Section 4.8 中讨论了当最优单一干预不唯一时（如零平均处理效应），Assumption 6 可能不成立。此时，KPT 的第一类错误控制没有理论保证，但模拟实验显示在零平均处理效应下 KPT 仍然表现良好。
“第一个半参数有效检验”的声称：作者声称 KPT 是“第一个半参数有效的个性化收益检验”。这个声称依赖于 Assumption 11（快速策略学习），而该假设在策略学习文献中并不总是成立。作者在文中引用了相关文献（如 Qian & Murphy, 2011; Kitagawa & Tetenov, 2018）来支持该假设的合理性，但未提供该假设在真实数据中是否满足的实证证据。

四、开放问题¶

非唯一最优策略下的理论保证：当最优单一干预或最优个性化策略不唯一时（如零平均处理效应），Assumption 6 和 Assumption 10 可能不成立。作者在 Section 4.8 中讨论了平滑化（softmax）和子抽样聚合（subagging）作为替代方案，但指出这些方法会牺牲效率。扎根点：Section 4.8 最后一句：“It is an interesting direction for future work to explore alternate assumptions or approaches that may offer similarly strong guarantees to our approach under weaker assumptions like lack of outcome gaps.”
连续干预空间：KPT 目前仅适用于离散行动空间。作者在 Discussion 中提到了连续干预空间（如机器人控制、药物剂量）和极大干预空间（如生成式 AI 个性化广告）作为未来方向。扎根点：Discussion 最后一段：“KPT is suitable for discrete action spaces, and it is of interest to create personalization tests suitable for continuous intervention spaces (e.g. robotics, medication dosage) or extremely large intervention spaces (e.g. generative AI-based individualized ads).”
计算效率与稳定性之间的权衡：KPT 需要多次随机划分（$S$ 次）和 $K$ 折交叉拟合，计算成本较高。作者在 Discussion 中提出了“是否可以用计算量更少的方法实现相同的稳定性和效率”的问题。扎根点：Discussion 第二段：“Another important question is whether the stability and efficiency of our KPT method can be replicated with a method that requires substantially less computation.”
自适应数据（在线学习）的扩展：KPT 目前假设数据来自静态行为策略（如 RCT 或无混淆的观察性数据）。作者在 Supplementary Materials Section 2 中提到了在线学习场景（如上下文多臂赌博机）的复杂性，并指出“We leave leveraging online data from adaptive data for estimating personalization effects as an interesting area for future work.” 扎根点：Supplementary Materials Section 2 最后一句。

Maintained by 陈星宇 · Homepage · Source on GitHub