研究人员在短视频平台ShareChat上成功应用了方差缩减技术，提高了A/B测试的置信水平或减少了数据点的数量。使用尽可能多的协变量并不是最有效的方法，而基于梯度提升决策树预测器的控制变量是最好的选择。研究人员还讨论了大规模实施这些方法的可行性和成本降低。

本研究在短视频平台ShareChat上成功应用了方差缩减技术，提高了A/B测试的置信水平。研究发现，使用基于梯度提升决策树预测器的控制变量是最有效的方法。同时讨论了大规模实施这些方法的可行性和成本降低。

本研究首次提出了针对随机近端点算法的方差缩减技术研究，介绍了SVRG、SAGA和其变种的随机近端版本，并提供了多个收敛结果。实验结果表明，近端方差缩减方法在选择步长方面具有更好的稳定性。