跳转至

Policy Learning with Weak Signals

作者: Benedikt Koch, Winston Chou, Aur\'elien Bibaut, Nathan Kallus
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2610.10167


一、领域脉络与小综述

这个方向是什么

本文研究的核心问题是策略学习(policy learning)中的一个特定困难情境:当每个决策单元(task/covariate cell)的治疗效应估计信噪比(signal-to-noise ratio)有界时,如何学习一个个性化的治疗分配策略。这里的"弱信号"(weak signals)指的是治疗效应的大小与估计标准误同阶(即效应量 O(1/√n)),这是数字实验中常见的现实困境——大规模实验虽然总样本量大,但当协变量空间被划分得越来越细时,每个单元内的有效样本量有限,导致每个单元的治疗效应估计噪声很大。该子方向处于因果推断与统计决策理论的交叉处,其成熟度属于"正在快速发展的前沿"——理论基础(minimax 决策)已相当成熟,但针对弱信号这一特定 regime 的系统性研究才刚刚开始。

发展脉络

  1. 奠基工作:统计决策理论中的治疗选择问题。Wald 的统计决策理论为治疗分配问题提供了框架,但将这一框架系统引入计量经济学与因果推断的是 Manski (2004),他提出了基于 minimax regret 准则的治疗选择问题。Tetenov (2012) 和 Hirano & Porter (2009) 进一步在标量(单任务)情形下建立了 minimax regret 的精确结果——这正是本文 Theorem 1 的"标量前身"。这些工作确立了"以 welfare regret 衡量策略优劣"的评价准则。

  2. 主要进展:从单任务到多任务/个性化策略学习。Kitagawa & Tetenov (2018) 将治疗选择推广到基于协变量的个性化策略学习,建立了经验福利最大化(ERM)方法的 regret 界。Athey & Wager (2021) 则从观测数据的角度提出了基于双重稳健估计的策略学习方法,并给出了渐近 regret 界。这些工作表明,在"强信号"(治疗效应远大于噪声)的 regime 下,个性化策略可以以参数速率收敛到最优策略。

  3. 当前 frontier:弱信号与大规模实验的组合。数字平台(如 Netflix)的实践推动了这一方向的新发展。Azevedo et al. (2020) 提出"肥尾"分布下的实验优化问题;Peysakhovich & Eckles (2018) 研究从大量历史实验中学习因果结构;Bibaut et al. (2024) 关注弱实验下治疗效应协方差的学习。这些工作共同指向一个核心困难:当每个实验/每个单元的效应都很弱时,传统的策略学习方法(如 ERM)会失效,因为噪声主导了估计。本文正是在这一 frontier 上,首次系统性地刻画了弱信号 regime 下策略学习的不可能性与可行性边界。

  4. 技术脉络:非光滑泛函的估计。本文 Theorem 2 的关键技术来源于 Cai & Low (2011) 关于非光滑泛函(如 L1 范数)minimax 估计的工作,以及 Han et al. (2017) 对 Lr 范数估计的推广。这些工作表明,形如 ∑|h_k| 的泛函在正态均值模型中只能以对数速率被估计——这一"非光滑性障碍"直接导致了本文中学习最优策略值的慢速率结论。

子线索聚类

  • 线索 A:minimax 决策理论(Manski 2004; Tetenov 2012; Hirano & Porter 2009; Kitagawa & Tetenov 2018)——以 regret 为准则,研究在给定信息结构下最优决策规则的 minimax 风险。本文 Theorem 1 和 Theorem 4 属于这一线索。
  • 线索 B:非参数回归与分类的速率理论(Stone 1982; Yang 1999; Audibert & Tsybakov 2007)——建立了光滑函数类上估计与分类的 minimax 速率,为策略学习的速率分析提供了工具。本文 Theorem 3 的速率正是通过将策略学习转化为加权分类问题得到的。
  • 线索 C:非光滑泛函的估计(Cai & Low 2011; Han et al. 2017; Lepski et al. 1999)——研究形如 ∑|h_k| 这类非光滑泛函的 minimax 估计速率,揭示了"估计最优值"与"估计最优策略"之间的本质难度差异。本文 Theorem 2 直接建立在这一线索之上。
  • 线索 D:数字实验平台的方法论(Azevedo et al. 2020; Sudijono et al. 2024; Tripuraneni et al. 2023; Bibaut et al. 2024; Chou et al. 2025)——从实践出发,研究大规模弱实验下的统计推断与决策问题。本文的 motivation 和实证部分(Netflix 实验)属于这一线索。

这个方向在追问的核心问题

  1. 最优策略何时可学习? 即在什么条件下,存在一个决策规则使得 regret 随 K(任务数)趋于零?本文的答案是:在弱信号 regime 下,若无额外结构(如光滑性),最优策略不可学习(Theorem 1)。
  2. 最优策略值的学习速率是多少? 即使策略本身不可学习,其最优值是否可估计?本文的答案是:可以,但速率极慢——仅为 (log log K / log K)²(Theorem 2)。
  3. 光滑性如何恢复可学习性? 当治疗效应随协变量光滑变化时,线性平滑器能否实现 minimax 最优的 regret?本文的答案是:能,且速率 K^{-β/(2β+d)} 匹配非参数回归的经典速率(Theorem 3 和 Theorem 4)。
  4. 如何在实际中自适应地选择平滑程度? 这引出了交叉验证的理论保证问题(Proposition 3)。

⚠️ 作者的 framing

作者将数字实验中的策略学习问题重新框架为"弱信号 + 细划分"的统计决策问题。他们声称:"在一般情形下,最优策略不可学习;但当治疗效应光滑时,线性平滑器可以实现 minimax 最优的 regret。" 这一 framing 将实践中的"个性化 vs. 池化"的张力转化为一个精确的统计速率问题。作者淡化了以下竞争路线:(1)贝叶斯/经验贝叶斯方法(如 Chen et al. 2026 的 NPMLE 方法),认为其缺乏频率意义下的 minimax 保证;(2)基于 ERM 的个性化策略学习方法(如 Kitagawa & Tetenov 2018),认为其在弱信号下会失效;(3)结构化模型(如线性模型、低秩模型),认为其光滑性假设过强。值得注意的是,作者在引言中没有讨论基于假设检验的多重比较方法(如 Benjamini-Hochberg 类方法),这可能是值得研究者去查的空白。

张力

未见明显对立的引用。但存在一个微妙的张力:Cai & Low (2011) 的结论表明非光滑泛函的估计速率极慢,而本文 Theorem 2 正是建立在这一结论之上;然而,本文 Theorem 3 又表明在光滑性假设下,策略学习可以达到多项式速率。这两者并不矛盾,但揭示了"光滑性假设"在弱信号策略学习中的决定性作用——这可能是该领域未来研究的一个关键张力点。


二、最核心、最简单的例子 / 数学问题

第一步:符号、模型、可观测数据

符号清单(按类别分组):

类别 符号 含义
任务/单元 \(k \in [K]\) 任务索引(协变量单元)
\(x_k \in \mathcal{X} \subseteq \mathbb{R}^d\) 任务 \(k\) 的协变量值(已知、确定性)
\(p_k > 0\),\(\sum_{k=1}^K p_k = 1\) 任务 \(k\) 的权重(如总体比例)
参数/目标量 \(\tau_k \in \mathbb{R}\) 任务 \(k\) 的真实治疗效应(待估参数)
\(h_k := \sqrt{n} \tau_k\) 缩放后的治疗效应(待估参数,弱信号假设下 \(h_k = O(1)\))
\(g(x_k) := h_k\) 治疗效应函数(目标函数,假设光滑)
\(V^* := \frac{1}{\sqrt{n}} \sum_{k=1}^K p_k h_k^+\) 最优策略的(缩放)welfare(目标量)
随机变量/观测 \(Z_k := \sqrt{n} \hat{\tau}_k\) 缩放后的治疗效应估计(可观测随机变量)
\(\hat{\sigma}_k\) 标准误估计(可观测随机变量)
\(\sigma_k \in [\underline{\sigma}, \overline{\sigma}]\) 真实标准误(未知但有界)
决策规则 \(\hat{\pi} = (\hat{\pi}_1, \ldots, \hat{\pi}_K) \in [0,1]^K\) 治疗分配概率(决策变量)
\(\hat{\pi}_k(Z, \hat{\sigma})\) 基于观测数据的决策规则
性能度量 \(R_K(P, \hat{\pi}) := \sqrt{n}(V^* - V(\hat{\pi}))\) 缩放 regret(目标量)

模型(数据生成机制):

  1. 观测模型:对每个任务 \(k\),观测到 \(Z_k \sim N(h_k, \sigma_k^2)\),其中 \(h_k = \sqrt{n}\tau_k\),\(\sigma_k \in [\underline{\sigma}, \overline{\sigma}]\) 有界。这是对"每个任务内部做差分为均值估计后中心极限定理"的抽象——\(Z_k\) 是任务 \(k\) 的治疗效应估计的缩放版本。

  2. 弱信号假设:\(|h_k| \leq H\) 对所有 \(k\) 成立,即治疗效应与噪声同阶。这是本文的核心 regime 假设。

  3. 光滑性假设(Theorem 3 需要):\(h_k = g(x_k)\),其中 \(g \in \mathcal{H}_d(\beta, L, H)\) 是 \((\beta, L)\)-Hölder 光滑函数类。

  4. 决策规则:\(\hat{\pi}: \mathbb{R}^K \times [0,\infty)^K \to [0,1]^K\),将观测 \((Z, \hat{\sigma})\) 映射为治疗分配概率。

  5. Welfare:\(V(\hat{\pi}) = \frac{1}{\sqrt{n}} \sum_{k=1}^K p_k h_k \hat{\pi}_k\)(假设治疗效应为正时治疗,负时不治疗;基线为不治疗)。

可观测 vs 不可观测: - 可观测:\(Z_k\)(缩放治疗效应估计)、\(\hat{\sigma}_k\)(标准误估计)、\(x_k\)(协变量)、\(p_k\)(权重) - 不可观测:\(h_k\)(真实缩放治疗效应)、\(\sigma_k\)(真实标准误)、\(g\)(治疗效应函数)

第二步:最小内核

核心命题(Theorem 1 的最简版本):设 \(K=1\)(单个任务),观测 \(Z \sim N(h, \sigma^2)\),\(|h| \leq H\)。则对任意决策规则 \(\hat{\pi}: \mathbb{R} \to [0,1]\),

\[\inf_{\hat{\pi}} \sup_{|h| \leq H} R_1(P_h, \hat{\pi}) = \max_{0 \leq t \leq H} t \Phi\left(-\frac{t}{\sigma}\right) > 0.\]

为什么这个命题是核心:它揭示了弱信号策略学习的本质困难——即使只有一个任务,只要效应量与噪声同阶,任何决策规则都无法保证 regret 趋于零。最优规则是"阈值规则" \(\hat{\pi}(Z) = \mathbb{1}\{Z > 0\}\)(即"估计效应为正就治疗"),其最坏情况 regret 为 \(t^* \Phi(-t^*/\sigma)\),其中 \(t^* = \arg\max_{t \in [0,H]} t\Phi(-t/\sigma)\)。

证明思路(三步): 1. 化归为分类问题:对任意决策规则 \(\hat{\pi}\),regret 可写为 \(R_1(P_h, \hat{\pi}) = |h| \cdot P_h(\hat{\pi}(Z) \neq \mathbb{1}\{h > 0\})\)。 2. 利用总变差距离下界:对 \(h = t\) 和 \(h = -t\) 两个假设,\(P_t(\hat{\pi}(Z) \neq 1) + P_{-t}(\hat{\pi}(Z) \neq 0) \geq 1 - d_{TV}(N(t,\sigma^2), N(-t,\sigma^2)) = 1 - (2\Phi(-t/\sigma) - 1) = 2\Phi(-t/\sigma)\)。 3. 取最大:\(\sup_{|h| \leq H} R_1(P_h, \hat{\pi}) \geq \max_{t \in [0,H]} t \Phi(-t/\sigma)\),且阈值规则达到该下界。

多任务推广(Theorem 1 的一般形式):当 \(K\) 个任务独立时,最优决策规则是逐任务阈值规则 \(\hat{\pi}_k^* = \mathbb{1}\{Z_k > 0\}\),其最坏情况 regret 为 \(\sum_{k=1}^K p_k \cdot \max_{0 \leq t \leq H} t\Phi(-t/\sigma_k)\),不随 \(K\) 趋于零。

为什么这个结果"令人惊讶":直觉上,任务越多,信息越多,应该更容易学习策略。但 Theorem 1 表明,在弱信号 regime 下,任务数量的增加并不能帮助改善最坏情况 regret——因为每个任务的信号都太弱,无法可靠地判断效应的正负。这与强信号 regime(效应量 \(\gg 1/\sqrt{n}\))形成鲜明对比,后者中 ERM 方法可以实现 \(O(\sqrt{\log K/K})\) 的 regret。

光滑性如何改变局面(Theorem 3 的直觉):当 \(h_k = g(x_k)\) 且 \(g\) 光滑时,相邻任务的效应是相似的。线性平滑器通过"借用"邻近任务的信息来降低方差,从而在偏差-方差权衡中取得最优平衡。这类似于非参数回归中的经典结果:在 \((\beta, L)\)-Hölder 类上,最优速率是 \(K^{-\beta/(2\beta+d)}\)。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在数字实验的弱信号 regime 下(治疗效应与噪声同阶),个性化治疗分配策略是否可学习?其最优值是否可估计?速率如何?
  2. 核心工具/方法:将策略学习问题化归为加权分类问题,利用 minimax 决策理论(加权 Assouad 引理)建立下界,利用线性平滑器(partition pooling、kernel smoothing、series regression)构造上界。
  3. 主要结论:一般情形下最优策略不可学习(regret 不趋于零);最优策略值可以估计但速率极慢(\(( \log\log K/\log K)^2\));当治疗效应光滑时,线性平滑器可以实现 minimax 最优速率 \(K^{-\beta/(2\beta+d)}\),且该速率不可改进。

关键设定与假设

假设 内容 统计含义 相比已有文献
Assumption 1(高斯序列模型) \(Z_k \sim N(h_k, \sigma_k^2)\) 独立 每个任务的治疗效应估计渐近正态,方差已知 标准假设,与 Hirano & Porter (2009) 一致
Assumption 2(弱信号) \(\|h_k\| \leq H\),\(H\) 不随 \(K\) 增长 每个任务的效应量与噪声同阶 本文的核心新假设,区别于强信号 regime
Assumption 3(Hölder 光滑) \(h_k = g(x_k)\),\(g \in \mathcal{H}_d(\beta, L, H)\) 治疗效应随协变量光滑变化 与 Stone (1982)、Yang (1999) 的非参数假设一致
Assumption 4(拟均匀设计) \(c r^d \leq Q_K(B(x_k, r)) \leq C r^d\) 任务在协变量空间分布均匀 与 Audibert & Tsybakov (2007) 的强密度假设类似

相比已有文献的放宽/强化: - 放宽:不要求治疗效应有强信号(区别于 Kitagawa & Tetenov 2018 的 ERM 分析);不要求任务间有参数结构(区别于 Peysakhovich & Eckles 2018 的因子模型)。 - 强化:假设方差 \(\sigma_k\) 已知且有界(实际中需估计);假设任务权重 \(p_k\) 已知(实际中需估计)。

主要结果

Theorem 1(策略不可学习):

\[\inf_{\hat{\pi}} \sup_{P \in \mathcal{P}_K} R_K(P, \hat{\pi}) = \max_{0 \leq t \leq H} t\Phi\left(-\frac{t}{\sigma}\right) > 0.\]
- 含义:无论 \(K\) 多大,最坏情况 regret 不趋于零。最优规则是逐任务阈值规则。 - 技术难点:需要处理随机化策略(regret 是期望的),加权 Assouad 引理(Lemma 1)是关键工具。

Theorem 2(最优值估计的慢速率):

\[\inf_{\hat{V}} \sup_{h \in [-H,H]^K} \mathbb{E}\left[(\hat{V} - V^*_h)^2\right] \asymp \left(\frac{\log\log K}{\log K}\right)^2.\]
- 含义:即使策略不可学习,其最优值 \(V^*\) 仍可估计,但速率极慢(对数级)。 - 技术路线:上界通过多项式逼近 \(|x|\)(Cai & Low 2011 的方法),下界通过构造两个难以区分的先验。 - 关键难点:\(|x|\) 在 0 处非光滑,导致标准估计方法(如 plug-in)产生不可忽略的偏差。

Theorem 3(光滑情形下的上界):

\[\sup_{g \in \mathcal{H}_d(\beta, L, H)} R_K(P_g, \hat{\pi}^{\text{smooth}}_r) \leq C\left(L r^\beta + \frac{\sigma}{\sqrt{K r^d}}\right).\]
- 含义:当 \(g\) 光滑时,线性平滑器可以实现 regret 的偏差-方差权衡。 - 最优速率:\(r^*_K \asymp K^{-1/(2\beta+d)}\),对应 regret \(K^{-\beta/(2\beta+d)}\)。

Theorem 4(光滑情形下的下界):

\[\inf_{\hat{\pi}} \sup_{g \in \mathcal{H}_d(\beta, L, H)} R_K(P_g, \hat{\pi}) \geq c \cdot K^{-\beta/(2\beta+d)}.\]
- 含义:Theorem 3 的速率是 minimax 最优的。 - 技术路线:构造一个"硬"子类(在 \(K^{1/(2\beta+d)}\) 个分离点上放置"尖峰"),利用 Assouad 引理。

Proposition 3(交叉验证):在有限候选集 \(\Lambda_K\) 上,交叉验证选择的平滑器可以达到最优候选的 regret 加上 \(O(\sqrt{\log|\Lambda_K|/K})\) 的代价。

证明路线与技术技巧

Theorem 1 的证明路线: 1. 化归:将策略学习问题转化为 \(K\) 个独立的二分类问题。 2. 单任务下界:利用总变差距离下界,证明单任务的最坏情况 regret 为 \(t^*\Phi(-t^*/\sigma)\)。 3. 加权 Assouad 引理(Lemma 1):将单任务下界推广到多任务,处理非均匀权重 \(p_k\)。 4. 上界:构造逐任务阈值规则,证明其达到下界。

Theorem 2 的证明路线: 1. 上界:构造多项式逼近 \(|x|\) 的估计量。具体地,用 Hermite 多项式展开 \(|x|\),截断到 \(m\) 阶,然后无偏估计每一项。偏差为 \(O(1/m)\),方差为 \(O(m/K)\),平衡得 \(m \asymp \sqrt{K}\),对应速率 \(1/\sqrt{K}\)——但这不是最优的。 2. 改进:利用 Cai & Low (2011) 的"自适应截断"技巧,将多项式逼近的阶数 \(m\) 设为 \(\log K / \log\log K\),得到速率 \((\log\log K/\log K)^2\)。 3. 下界:构造两个先验分布,使得 \(V^*\) 在这两个先验下的值差异为 \(\delta\),但似然比接近 1。利用 Le Cam 引理或 Fano 不等式。

Theorem 3 的证明路线: 1. 偏差分析:对线性平滑器 \(\hat{g}(x) = \sum_j w_j(x) Z_j\),其均值 \(m(x) = \sum_j w_j(x) g(x_j)\)。利用 Hölder 光滑性,\(|g(x) - m(x)| \leq L r^\beta\)。 2. 方差分析:\(\text{Var}(\hat{g}(x)) = \sum_j w_j(x)^2 \sigma_j^2 \leq \sigma^2 \sum_j w_j(x)^2\)。在拟均匀设计下,\(\sum_j w_j(x)^2 \lesssim 1/(K r^d)\)。 3. regret 界:利用 Proposition 1 的分解,将 regret 转化为 \(\sum_k p_k |g(x_k)| \Phi(-|m(x_k)|/s(x_k))\),然后分别处理偏差和方差项。

Theorem 4 的证明路线: 1. 构造硬子类:在协变量空间中选取 \(M \asymp K r^d\) 个分离点,在每个点上放置一个"尖峰"信号(幅度为 \(a\))。 2. Fano 不等式:证明任何决策规则在识别这些尖峰的位置时都会出错,从而产生 regret。 3. 优化:选择 \(a\) 和 \(r\) 使得下界最大化,得到 \(K^{-\beta/(2\beta+d)}\)。

真实例子与应用

Netflix 实验(Section 6): - 数据:两个大规模实验,分别涉及约 940 万和 470 万用户。协变量为用户特征(预测参与度、订阅时长)的十分位,形成 \(K=100\) 个单元。 - 方法:将每个单元的治疗效应估计 \(Z_k\) 作为观测,使用三种线性平滑器(树、样条、核)拟合 \(g(x)\),然后根据 \(\hat{g}(x)\) 的符号决定治疗策略。 - 结果:在实验 1 中,树策略(最佳)比"全治疗"策略提升 0.6 个百分点(相对提升约 9%);在实验 2 中,核策略(最佳)提升 6.6 个百分点(相对提升约 39%)。所有个性化策略均显著优于"全治疗"和"全不治疗"。 - 验证:使用嵌套交叉验证选择平滑器参数,并报告了校准图(预测效应 vs. 实际效应),显示平滑器在校准上表现良好。

这个例子说明了什么:即使在弱信号 regime 下,只要治疗效应确实随协变量光滑变化,线性平滑器就能提取出有用的个性化信号。但作者也指出,这些提升虽然统计显著,但幅度有限——这与理论预测的慢速率一致。

🔎 结论是否比证明窄

是的,存在几处:

  1. Theorem 1 的"不可学习性"依赖于最坏情况:证明中构造的"硬"实例是 \(h_k = \pm t^*\)(所有任务效应绝对值相同)。但在实际中,如果效应分布不是这种"对抗性"的,策略学习可能更容易。作者在 Netflix 实验中遇到的正是"非对抗性"情况。

  2. Theorem 2 的慢速率假设 \(\sigma_k\) 已知:证明中假设标准误差 \(\sigma_k\) 已知。在实际中,\(\sigma_k\) 需要估计,这可能会进一步恶化速率。作者在附录中简要讨论了这一点,但没有给出完整的理论分析。

  3. Theorem 3 的"光滑性"假设是充分的,但可能不是必要的:作者证明了 Hölder 光滑性足以实现 \(K^{-\beta/(2\beta+d)}\) 的速率,但没有证明这是否是最小的假设。例如,如果 \(g\) 是分段常数(如树模型),是否也能达到类似速率?

  4. Theorem 4 的下界只针对"确定性"策略:证明中假设决策规则是确定性的(即 \(\hat{\pi}_k \in \{0,1\}\))。对于随机化策略(\(\hat{\pi}_k \in [0,1]\)),下界可能不同。作者在 Lemma 1 中处理了随机化策略,但 Theorem 4 的证明似乎只针对确定性策略。

  5. "最优策略不可学习"的表述需要精确化:Theorem 1 说的是"不存在决策规则使得最坏情况 regret 趋于零"。但这并不意味着"不存在决策规则在特定分布下表现良好"。作者在 Netflix 实验中展示的正是后者。


四、开放问题

  1. 自适应速率:Theorem 3 的速率 \(K^{-\beta/(2\beta+d)}\) 假设光滑参数 \((\beta, L)\) 已知。是否存在自适应于未知光滑性的策略,同时达到最优速率?Proposition 3 的交叉验证结果只给出了有限候选集上的保证,对于连续参数空间的自适应问题尚未解决。

  2. 弱信号 + 强信号混合:本文假设所有任务的信号都弱(\(|h_k| \leq H\))。如果部分任务信号强、部分弱,最优策略是什么?是否存在一个"自适应阈值"机制?

  3. 非高斯观测:本文的核心假设是高斯序列模型。对于非高斯、重尾或相关观测,结论是否仍然成立?Azevedo et al. (2020) 的"肥尾"工作可能与此相关。

  4. 协变量维数增长:本文假设协变量空间固定(\(d\) 固定)。当 \(d\) 随 \(K\) 增长时(高维情形),速率如何变化?是否会出现维数灾难?

  5. 策略的约束:本文考虑的策略是"每个任务独立决定"的。如果策略需要满足公平性、单调性或稀疏性约束,速率会如何变化?

  6. 实验设计:本文假设实验已经完成,只关注策略学习。如果我们可以设计实验(如选择样本量分配),是否能改善弱信号下的策略学习?这与 Azevedo et al. (2020) 的"最优实验设计"问题相关。

  7. 因果识别的稳健性:本文假设治疗效应 \(\tau_k\) 可以通过随机化实验无偏估计。在观测数据或存在干扰(interference)的情况下,结论如何变化?


给研究者的提示:若要确认上述开放问题是否为真 gap,建议去读以下近期工作的引言部分(约 5 篇):(i) Chen et al. (2026) 关于 NPMLE 的工作;(ii) Whitehouse et al. (2025) 关于非正则策略推断的工作;(iii) Tripuraneni et al. (2024) 关于代理指标的工作;(iv) Sudijono et al. (2024) 关于实验组合优化的工作;(v) Chou et al. (2025) 关于弱实验评估的工作。若这些工作的引言都指向同一问题,则大概率是共识性 gap;若互相矛盾,则可能是机会所在。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论