Evidence aggregation with ignorance in mind: learning what we do (not) know for archetypes discovery
兼顾未知的证据聚合：学习效应原型与知识边界AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究处理效应异质性的跨环境聚合、外推边界与政策证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
兼顾未知的证据聚合：学习效应原型与知识边界
- 研究问题
- 如何将个人与环境特征上的处理效应异质性汇总为可解释模式，同时识别不宜外推、需要进一步收集证据的情境？
- 方法与思路
- 作者构造同时学习异质效应摘要和保留未知区域的框架，研究有限样本遗憾界、摘要类复杂度选择及后续数据收集价值的推断。
- 材料陈述的贡献
- 摘要称，方法既聚合跨环境的处理效应证据，也标记外推不可靠的情境，并提供有限样本和数据驱动保证及六国扶贫项目再分析。
- 阅读关注点
- 应核对效应输入如何识别、未知区域的选择准则、遗憾基准与复杂度惩罚，以及后续数据价值推断是否计入摘要选择的不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明跨环境可迁移条件、遗憾界形式或应用结果，不能认定未知区域已获得效应识别。
原文摘要
When evaluating policy interventions, researchers often pursue two related goals: identifying which individuals or contexts benefit most, and determining whether patterns of treatment effect heterogeneity can be used to aggregate evidence across environments. We develop a framework that aggregates treatment effect heterogeneity, defined over individual and environmental characteristics, into interpretable summaries while setting aside contexts in which extrapolation is unreliable and further evidence is needed. The procedure therefore learns both how to summarize heterogeneous effects and when researchers should admit ignorance. We derive finite-sample regret guarantees, provide data-driven guarantees for selecting the complexity of the summary class, and inference procedures that quantify the value of follow-up data collection. We illustrate the approach by reanalyzing a multifaceted anti-poverty program implemented in six countries.