本文结合了基于双机器学习(DML)的方法的最新发展，将重点放在无混淆性下的程序评估上。基于DML的方法利用灵活的预测方法来控制(i)标准平均效应、(ii)不同形式的异质效应和(iii)最佳治疗分配规则估计中的混杂。我们强调，这些估计都建立在相同的双鲁棒评分上，这允许利用计算协同。对瑞士积极劳动力市场政策的多个项目的评估显示了基于DML的方法如何实现全面的政策分析。然而，我们发现有证据表明，对个别异质效应的估计可能变得不稳定。