北京大学光华管理学院解海天助理教授围绕国家自然科学基金青年项目“基于机器学习的因果政策制定——政策学习”，系统开展政府治理数智化转型的前沿研究，形成了一批具有代表性和国际影响力的学术成果。政策学习作为近年来国际经济学与数据科学交叉领域的核心研究方向，强调利用大数据和机器学习技术，从复杂现实信息中自动学习并优化公共政策或资源配置规则，为推动治理方式由经验判断向数据驱动、智能决策转型提供重要支撑。

项目于今年实施以来，已在国际顶级计量经济学期刊发表多篇成果，包括《Journal of Econometrics》上的 “Data-driven policy learning for continuous treatments”，以及《Journal of Business & Economic Statistics》上的 “Model Selection for Multivalued-Treatment Policy Learning in Observational Studies”，在国际学界产生了积极反响。相关研究聚焦观测数据条件下连续型和多值型政策工具的学习问题，紧密对应补贴或转移支付额度、税率和费率水平、信贷支持强度、就业培训时长等现实政策场景，系统回应了数智化治理中“如何用数据制定更优政策”的关键问题。研究构建了可计算、可推广的政策学习框架，通过改进惩罚算法，实现关键参数的自动化选择，并在理论上证明了所提出方法能够使社会福利接近最大化水平。该系列研究在科研范式上实现了因果推断、机器学习与公共政策分析的深度融合，为数智赋能公共决策提供了坚实的学理基础和方法支撑。