深度专题 FEATURES — 3
文本也能做实验：AI开始参与处理设计
AI不只分析实验结果，还能帮研究者挑选文本和图片，在可比性与代表性之间做权衡。
样本越大，残余混杂越会“显著”
大数据会压低随机误差，却不会洗掉混杂偏差：结果可能更显著，也更自信地错。
Algeon：用SQL调度GPU算法
Algeon把图计算、向量检索和机器学习接进SQL，让GPU分析少写胶水代码。
速览 BRIEFS — 9
NEWS
十倍提速的ETL，靠AI把SQL编成Rust
Nitro用智能体把SQL数据管道编成Rust，自称提速十倍、成本降至约三分之一。
NEWS
AI审查分布式存储代码，边界比能力重要
美团用测试复核 AI 审查：117 个疑点中仅 36 个被直接证实，关键是验证而非相信。
PAPER
工具变量不必硬凑一个点估计
不硬猜平均效应是多少，而是检验它能否跨过政策门槛。
PAPER
个体获益，不等于平均疗效
平均疗效为正，不代表多数人受益；这套教程改问“究竟多少人真正获益”
PAPER
离群值也可能成为因果识别线索
不急着删掉离群值：极端观测反而可能暴露隐藏混杂，帮助识别因果效应。
PAPER
智能体上线前，审计样本也该自适应
用有限探针专测历史日志的盲区，更快估计智能体上线后的真实表现。
PAPER
延迟治疗，会制造“永生时间”假象
按未来治疗分组，会把治疗前的存活时间错算成疗效
PAPER
预测区间遇上非随机缺失，工具变量来补位
结果越容易“失踪”，预测区间越可能失准；工具变量为覆盖率补上一条路。
PAPER
流数据模型平均，不必每次从头训练
让多个预测模型随流数据增量更新，不必反复读取全部历史