读不懂的东西，怎么让 AI 拆
一篇看三行就想放弃的论文或长文档，怎么让它变得读得下去？
在 observational setting 下，若 treatment assignment 与 potential outcomes 之间存在 unmeasured confounding，则 ATE 的 identification 需借助 unconfoundedness 与 overlap 的联合成立。此时 naive contrast 仅识别 associational estimand，其与 causal estimand 的 gap 由 selection into treatment 的幅度决定。
打开一篇论文或技术文档，前三行全是缩写，还有作者默认你已经懂的词。你卡在第一段。材料不会标出你缺的是哪一个概念。作者写的时候假定读者已经过了那一层，那个假定就成了墙。硬啃下去，后面每一段都站在你没补上的那一层上，越读越空。
读不懂通常是缺前置概念。那个缺口材料自己不会报。
四步，每步都有一句可以直接贴进对话的提问。
「这篇材料讲几件事？彼此是什么关系？哪一部分是核心，哪一部分是铺垫？列一张提纲，不要展开解释。」
把读不懂的那句原文原样贴进去。「这句原文我读不懂。它预设了哪些我需要先懂的概念？按依赖排序，标出卡住的直接原因。」
「只讲 [这个概念]。用我已经懂的 [锚点] 来解释。讲完出一道题考我。我答对之前，不要讲下一个。」逐个自测，过了再往上。
「我现在这样理解这句原文：[你的理解]。对不对？我漏掉了哪个限定条件？」这一步省不得。地图看完，合上对话，回到那一句。
你把卡住的原句贴给它，它可以反推作者默认你已经知道的东西，把墙变成一张清单。清单上的概念逐个自测，过了再往上走。这是使用经验，没有对应的实验文献。
你从第一段往下啃，遇到一个不懂的词就停，问完再往下，再停。一篇二十页的东西，第 2 页就能把耐心耗完。你花掉的时间，很多耗在还没准备好去读的句子上。
正文先别读。长文档按这个顺序给它：目录、摘要、结论、图表，最后才是正文。先建立骨架，再往格子里填肉。
「读这篇需要先懂哪五个概念？按依赖排序。先不要解释，先逐个出题考我。」答得上的划掉，答不上的才补。这一步能省掉大量对着正文硬啃的时间。
还有一个实操细节。贴给它的时候贴原文，不要贴你自己的转述。你转述的时候，已经丢掉了你没看懂的那部分信息。那部分往往就是定位卡点需要的线索。上面的演示可以切到「贴转述」看这一步怎么空掉。
补完一个概念之后，怎么确认自己真的补上了，见 怎么判断自己真学会了。
目录、摘要、结论、图表先给你骨架。骨架在，读正文的时候知道自己在填哪一块。五个概念的自测把「我好像懂」变成「这道题我答得出」。这也是使用经验。
你让它用白话讲一遍这篇，它讲得很顺。你读完转述，觉得懂了。过两天打开原文，限定条件、作者的犹豫、那些边界讨论都不在转述里。那些是这篇里最有价值的部分。转述把棱角磨平了。
源码是最难的一类材料，量大，没有导读，还在持续改。那一类材料怎么啃，见 带 AI 精读一个大型开源仓库。这一页的拆法在那里变成了论断必须回到具体行。
把它的输出当地图用。地图告诉你这篇有几座山、你卡在哪条路上、缺哪张通行证。看完就回到原文，自己再读卡住的那一段。读完如果还有不确定，再问，仍然贴原文。
「我现在这样理解这句原文：[你的理解]。对不对？我漏掉了哪个限定条件？」问的是你读原文之后的理解，让它核对，不要让它再讲一遍。
转述会丢掉三样东西：限定条件、作者的犹豫、边界讨论。这三样写在原文的措辞、程度副词、例外句里。AI 为了流畅，会把它们抹掉。它优化的是通顺，保真排在后面。这是使用经验。
常见做法
丢给它「用白话讲这篇」，读转述当读完了。前面省时间，限定和边界丢了。下次遇到原文还是过不去。
代价：顺，原文仍然读不动这一页的做法
要地图、定位卡点、补前置、回原文。每一步都贴原文。短消息或你已经熟的材料，不必四步全走。
代价：四步都走会慢，熟材料会被压得偏重拿你正在读、已经卡住的那一段
把读不懂的那句原文贴进去，只问：这句预设了哪些我需要先懂的概念？按依赖排序。
列出五个，逐个自测。过了的划掉。没过的补完，回到那句原文再读一遍。看这一次能不能读下去。