想象一道自动门：人只差一步跨过门槛，状态就从“关闭”跳到“打开”。数字期权、障碍期权和自动赎回产品也有类似规则，价格一越过边界，收益便突然改变。蒙特卡洛模拟——随机生成大量市场路径来估值——若直接沿每条路径求导，往往看不见这次跳变，导致希腊字母（衡量产品价值对价格、波动率等因素的敏感度）为零或出现偏差。常见办法是把门槛人为磨平，但又会带来系统性误差。
Evgeny Lakshtanov提出的办法，是保留原本的跳点，同时给常规路径求导补一笔“边界账”：用 Newton 求根找到路径恰好碰到门槛的位置，再结合收益跳幅、边界处的 Gaussian 密度和边界对参数的敏感度计算修正项。作者称，这一估计无需平滑和逐产品调参，并可由 AADC 自动识别定价代码中的条件分支。
最具体的增量来自效率测试：在含48个触发条件的三资产 Phoenix 自动赎回产品上，作者称达到2%精度时，该方法需要2万条路径，而 bump-and-revalue（轻微改动参数后重新估值）需要500万条。结果目前来自论文作者基于 QuantLib 模型的基准测试，尚未见独立复核。