Multi-Level Monte Carlo (MLMC)，由 Giles, M.B. 在 *"Multilevel Monte Carlo Path Simulation"*, Operations Research 56(3), pp. 607-617, 2008 中提出，与 antithetic / control variate / stratified / importance sampling 在结构上完全不同：它不是在单一估计器上做小改动，而是构建一个分辨率递增的估计器层级，再用伸缩和组合起来。结果是：在扩散问题上达到目标 RMSE $\\varepsilon$ 的成本可降到接近最优的 $O(\\varepsilon^{-2})$，而朴素 MC 同时控制偏差需要 $O(\\varepsilon^{-3})$。