一份简历在系统里停留几秒，状态从“待处理”变成“未通过”。求职者收到一句笼统反馈，工程师看到的是分数和阈值，合规人员看到的则是不同群体的通过比例。三个视角都在谈公平，指向的却不是同一件事。
这也是算法公平很容易被说空的地方。它听起来像一条可以写进原则文档的准则，落到系统里却要回答很具体的问题：在哪个环节公平、对谁公平、允许多大误差、由谁复核。问题不回答清楚，公平就只能停留在口号。
公平没有单一指标
在机器学习里，公平可以被写成不同约束。群体公平关注不同群体的通过比例是否接近；个体公平关注相似个体是否得到相似结果；机会均等则关注在真实合格的人中，系统识别出合格者的比例是否接近。这些目标并不总能同时满足。调整阈值让群体比例接近，可能改变个体结果；优化个体相似性，又可能让群体差异继续存在。
所以，算法公平不是给模型加一个开关。工程团队需要先确定业务场景中哪种误差不可接受，再选择可检验的约束。这个选择不是纯技术问题，也不能由模型自动完成。
偏见常从代理变量进入
一个常见误解是：只要训练数据里删掉敏感字段，模型就不会产生差异。实际并非如此。邮编、设备型号、活跃时段、填写时长，都可能间接携带群体信息。模型没有直接看见敏感字段，却可能从这些代理变量里学到相关性。于是，去掉字段只是减少显式使用，不等于消除差异。
务实的做法是把数据审计和误差分布检查放进开发流程：看不同切片上的误判率、召回差异和置信度分布，而不仅看总体指标。总体表现平稳，不代表每个切片都平稳。这里需要的是可重复的检查表，而不是一次性的道德表态。
把公平写成可检验的约束
如果算法公平要进入日常开发，它得变成能被执行的东西。比如，在需求评审时写明公平目标对应的群体和误差范围；在训练目标中加入约束项，或在上线前做阈值调整；在模型卡里记录评估切片、版本和已知局限；在上线后保留申诉与人工复核通道。这些动作不炫目，但能减少“出了问题再解释”的空间。
边界：公平需要场景判断
内容推荐和招聘筛选对公平的关注点不同。推荐场景关心曝光分布和反馈回路，招聘场景关心合格者是否被稳定识别。把一套指标复制到所有业务，往往会制造新的盲区。跨角色评审因此有必要：产品、算法、法务和运营对“可接受误差”的理解并不一致，提前把分歧摆出来，能减少上线后的返工。
我的判断是，算法公平更像持续校准的过程，而不是一次性认证。模型会更新，数据分布会漂移，业务目标也会变。今天有效的约束，过一段时间可能需要重新检查。一劳永逸的证明很难获得；能反复执行的审计和复核机制，可以作为长期安排。
当系统给出一个结果时，至少要让受影响的人知道依据什么、由谁复核、如何申诉。这些机制不炫目，却决定公平能否从文档走进日常。