想比较病例组和对照组的许多指标，却只有少量样本，就像隔着几扇随机开的小窗看全景：只开一扇，结论可能取决于恰好看见了哪里。随机投影会把大量变量沿随机方向压缩，再用 Hotelling’s T²——一种同时考虑多个变量及其相关性的均值检验——判断两组是否整体不同，但单次投影难免有运气成分。
Ouyang 等人提出 CRPT：独立投影多次，每次得到一个 P 值，再用 Cauchy combination（把多次检验结果经 Cauchy 变换汇总）合成总体 P 值。最关键的一步是，尽管这些检验共享同一批数据、彼此相关，作者仍在高斯假设下证明其两两渐近尾部独立，据此用标准 Cauchy 分布的上尾分位数直接设定拒绝门槛，不必依赖置换或模拟来校准。作者还加入“功效增强”版本，以照顾只有少数变量发生变化的稀疏差异；实际表现仍主要由论文的模拟与基因组数据分析支持。