深度专题 FEATURES — 2
排行榜被操纵，结论还能信吗
给模型榜单加一条“抗操纵刻度”：结论若错，坏记录必须多到超过明示门槛。
Redshift共享数据，dbt不必再搬
dbt接入Redshift数据共享：开发与CI可读取生产数据、跨库落表，少维护一套复制管线。
速览 BRIEFS — 8
PAPER
目标试验里的克隆加权有了理论底座
CCW终于有了统计学说明书：它在估计什么，以及何时可信。
PAPER
贝叶斯模型错了，后验还能信多少
模型与现实有偏差时，贝叶斯后验仍会收敛，却可能对自己的答案过度自信。
NEWS
大样本救不了高噪声研究
样本不够大只是表象；测量和设计太吵时，多收数据也难换来可信结论。
PAPER
隐在人群里的异质效应怎么估
从处理前行为推断“隐形人群”，再拆出平均效果掩盖的真实差异。
PAPER
重尾高维回归也要稳健推断
用秩次信息削弱极端值影响，为重尾高维回归提供更可靠的检验与区间估计。
PAPER
模型权重偷渡，也能持续报警
把多次回答里的微小异常攒成证据，持续监测模型权重偷渡
NEWS
温度归零，输出仍未必确定
temperature=0只固定选词规则；一次微小翻转，仍会让长文本走向不同结局。
PAPER
非精确匹配何时无需再调协变量
配对不必完全相同：协变量不超过三维时，残余差异仍可能小到无需再校正。