公平性（fairness）在机器学习语境中，指的是一套评估和约束模型行为、使其不因种族、性别、年龄等人口统计属性而系统性偏袒或损害特定群体的方法体系。它既是技术指标，也是合规要求——从信贷审批到聊天机器人，模型输出是否"公平"，正从学术讨论变为产品上线的硬性门槛。目前这一领域尚未形成统一标准：不同公平性定义之间存在数学上不可兼得的冲突，这恰恰是近期研究集中发力的地方。
公平性剪枝：从结构层面定位偏见
arXiv cs.LG 在 2026 年 7 月发布的一项工作提出"公平性剪枝"思路：通过差分激活来定位 GLU-MLP 层中与人口统计偏见相关的神经元，再对这部分结构做针对性处理，而非在输出端做后处理纠正。这条路径的意义在于把公平性从"结果修补"推向"内部归因"，让偏见定位更接近模型的实际计算单元。(公平性剪枝：通过差分激活定位GLU-MLP层中的人口统计偏见)
No-Free-Fairness：把权衡写成基本极限
同期另一篇论文以"No-Free-Fairness"为题，讨论学习系统中公平性与其它目标之间的基本极限与权衡关系。它延续了公平性研究中一个反复出现的结论——公平性不是可以无限叠加的附加项，任何提升都伴随代价，问题在于代价落在哪个指标上，以及这一代价是否可被接受。(No-Free-Fairness：学习系统中的基本极限与权衡)
评估落地：ChatGPT 的公平性表现
OpenAI 在其官方博客中专门讨论了如何评估 ChatGPT 的公平性表现。相比学术论文的机制分析，这类工作更关注评测方法本身：用什么数据集、什么维度、什么标准来判断一个对话模型是否公平。它的出现说明公平性评价正在从实验室指标走向面向真实产品的常态化审计。(评估ChatGPT的公平性表现)
当前焦点与观察点
眼下公平性研究的焦点，一是定义之争——多个公平性准则无法同时满足，选择哪一个本质上带有价值判断；二是干预层级之争——剪枝、微调、后处理各有适用边界，尚无普适方案；三是评测可信度——如何避免评测集本身携带偏见。观察点在于，随着监管对模型审计的要求细化，公平性可能从"可选优化项"变成与准确性并列的必测项，而 No-Free-Fairness 所刻画的权衡，将决定这一转变的实际成本。