本文探讨了利用机器学习和计量经济学方法估计个性化处理效应（CATE）。研究使用多种元学习算法，通过实证案例分析发现治疗效应存在异质性，并提出了数据协作双重机器学习（DC-DML）和基于神经网络的元学习等新方法，这些方法在少量数据下表现出有效性，实验结果显示其在CATE估计中优于现有技术。