深度专题 FEATURES — 3
AIPW、TMLE、DML为何殊途同归
三套热门因果估计为何常算出不同答案？关键往往不在名字，而在学习器、数据切分与重叠性。
真实数据仿真，能淘汰方法却不能封王
用真实数据做仿真更像现实，却可能暗中指定赢家：它适合淘汰方法，不足以认证冠军。
多重检验也能把样本花在刀刃上
e-PS一边控制多重检验误报，一边把下一份样本投向最值得继续查的假设。
速览 BRIEFS — 8
NEWS
数仓开始为AI代理生产“上下文”
dbt主张把数仓里的可信指标与文档，变成AI代理可检索的业务上下文。
NEWS
Spark Shuffle慢，加速网络就够了吗
placement group只治网络瓶颈；先分清Shuffle究竟卡在哪。
PAPER
效应量也有噪声底线
给 Cramér's V 配上噪声门槛：正数未必是效应，也可能只是抽样波动。
NEWS
合成问卷受访者，经得住真人校准吗
AI 能低成本填满问卷，但像真人回答，不等于能代表真实人群。
PAPER
LLM能否胜任测评题目的试答员
真人校准的Rasch检验发现：LLM答卷虽整齐，却丢失了真人的低分回答。
PAPER
高维两样本检验不只比较均值
用秩统计逐变量比较完整分布，并兼顾少数强差异与大量弱差异。
PAPER
排序模型如何容纳解释不了的偏好
把可解释的属性规律与少数对象的额外优势拆开，让排序更贴近现实，也能标出名次有多可靠。
PAPER
小样本批量检验再借一次经验贝叶斯
让小样本基因检验彼此借力，同时守住错误发现率