你在网约车平台测试一种新派单策略。平台看得到订单、成交和等待时间，却看不到司机此刻到底愿不愿接单。更麻烦的是，一次派单还会改变后续供需。此时把流量简单地五五分给新旧策略，未必能得到误差最小的答案。
Ke Sun、Linglong Kong、Hongtu Zhu和Chengchun Shi研究的正是这种场景：实验对象会连续接受处理，但决策者只能看到系统状态的一部分。预印本最初于2024年8月发布，论文于2026年以Theory & Method论文在JASA上线。需要说明的是，本文关于方法表现的结论主要来自论文作者，尚无独立信源交叉验证。
看见结果，不等于看见状态
这项工作的关键词是“部分可观测”——平台能观察一部分信号，却看不到完整系统状态。眼前相同的订单和成交数据，背后可能是完全不同的司机意愿与供需状况。这并不等同于普通的数据缺失，也不是说实验无法监控，而是影响后续结果的关键状态没有被完整观察。
许多序贯实验设计依赖Markov条件：预测下一步时，当前状态已经概括了全部有用历史。若关键状态不可见，更早的观测和随机冲击仍可能影响未来。只看眼下，就可能把历史留下的作用错算到新策略头上。
把历史留下的痕迹算进去
论文提出受控的向量ARMA模型。ARMA，即自回归移动平均模型，用过去的观测和过去的随机冲击描述时间序列；“受控”表示模型还把实验中施加的处理纳入考虑；“向量”则允许同时描述多个相互关联的指标。
它的直觉并不复杂：既然看不到完整状态，就追踪隐藏状态在历史数据里留下的痕迹。像是看不到风，却能从树枝连续几次摆动的方向推测风势。这里的重点不是还原每一个隐藏因素，而是让流量分配承认“过去仍在影响现在”。
论文关注的“最优治疗分配”，也不是单纯追求某组即时表现更好。它要在因果比较仍然成立的前提下，安排处理组与对照组的分配序列，使平均处理效应——新策略相对旧策略平均带来多少变化——估计得更准。
两条路寻找更好的分配
作者引入small signal asymptotic framework，可译为“小信号渐近框架”。它考察处理作用较小时的渐近行为，用来简化不同实验设计下平均处理效应估计量的渐近均方误差计算。均方误差可以理解为估计结果与真实效果之间的平均平方偏差，越小通常表示估计越稳定、越准确。
在这一准则下，论文给出两条寻找最优设计的路线。一条使用约束优化：在既定限制内直接求解更合适的分配方案。另一条使用强化学习——让算法通过环境反馈学习怎样连续做分配决策。两条路线处理的是同一个问题，但求解方式不同。
为什么值得关注
这项工作把一个现实矛盾摆到了A/B测试的中心：平台必须一边运行系统、一边做实验，但反馈可能延迟，数据彼此相关，完整状态又不可见。实验流量因此不只是“切多少”，还包括“何时、按什么顺序切”。
作者使用两个模拟司机与乘客行为的调度模拟器，以及一家网约车公司的两组真实数据进行评估，并称其设计优于对照方案。不过摘要没有披露具体基线、评价指标、提升幅度、置信区间或显著性结果，因此目前只能把“表现更好”视为作者结论，不能写成已被独立验证的优势。
局限与未知
- 现有材料没有说明两组真实数据的名称、规模和时间范围。官方GitHub仓库称，涉及行业合作方的模拟器与真实数据受保密和数据使用协议限制，没有公开。
- 公开代码库提供了合成调度环境和两种ARMA设计的实现，但这不足以复核未公开行业环境中的全部结果。
- 论文摘要没有给出两种算法各自更适合什么条件，也没有提供具体性能数字；实际部署成本和稳健性仍无法从现有材料判断。