在因果推断中，研究人员通常需要先估计一些辅助函数（即干扰函数），再据此计算目标因果效应。一个常见的做法是用预测误差来衡量这些干扰函数估计得好不好。但这篇工作指出，预测误差低并不必然意味着因果估计准确，二者之间的关系远比想象中复杂。作者系统分析了不同干扰函数预测误差与因果估计误差之间的差异，揭示了在哪些条件下预测误差会误导对因果估计性能的判断，并提出更合理的评估思路。这项研究提醒我们，不能仅凭预测表现来筛选干扰函数估计器，而应关注其对最终因果结论的影响。对于依赖机器学习和非参数方法进行因果推断的应用研究者来说，这一发现有助于避免盲目优化预测指标，具有重要的方法论意义。