把受试者随机分进小组，再给各组不同处理，看似是常规实验。麻烦在于，组员会彼此影响：一个人的结果不只取决于自己接受什么处理，也可能取决于整组如何分配。此时，常见的“个体互不影响”假设失效，实验究竟估计了什么、标准误该怎么算，都需要重新厘清。
Fu、Samii 和 Wang 为这类群体互动实验建立了设计型推断——主要依靠随机分配机制，而非预设结果模型来做估计。框架同时覆盖固定分组与随机成组，以及存在或不存在干扰的情形；作者分别刻画了设计对应的因果估计目标（estimand）和适用的推断策略。
作者称，在稀疏抽样的渐近设定下，存在干扰时，cluster-robust inference 仍能一致地处理多种依赖，并对边际化暴露效应给出有效推断；若不存在干扰且分组随机，设计可化为个体随机实验，使用个体层面的 heteroskedasticity-robust inference 即可估计平均处理效应。论文还用一种新的 coupling strategy 推导常用估计量的渐近分布，但摘要未披露有限样本表现或实证结果。