本研究提出了一种基于辅助独立性测试的条件，解决了观察数据中工具变量的可检验性问题，有效识别无效工具变量，并提供了实用的测试算法，实验结果验证了其有效性。

该文介绍了一种通用的框架，用于构建针对大类非参数测试问题的强大的连续假设检验。该框架可以统一处理多个经典任务，如双样本测试、独立性测试和条件独立性测试，以及现代问题，如对机器学习模型的对抗鲁棒性测试。