A/B测试面临实验干扰问题，影响结果可靠性。我们提出基于强化学习的"Difference-in-Q"(DQ)估计器，通过求解Q值差分估计treatment effect。理论上，DQ在偏差-方差权衡方面表现出色，显著降低偏差，方差指数级缩减。与抖音合作应用于大规模商业场景，均方误差减少99%以上，展现卓越性能。