【锚点】这一篇只钉一个判断：词向量的「去偏」不是消除了偏见，而是把偏见从【线性可分】推到了【线性不可分】——测量工具看不见了，不等于世界变干净了。

【显式】2016 年 Bolukbasi 等人发表《Man is to Computer Programmer as Woman is to Homemaker?》，用 word2vec 在 Google News 语料（约 1000 亿词）上训练，类比任务里 man:computer_programmer :: woman:homemaker 成立。他们的「硬去偏」：先用 he-she、male-female 等词对做 PCA 估一个性别方向 g，再把所有中性词投影到与 g 正交的子空间——数学上就是把 g 分量减掉。

【隐式】关键一步：他们假设「性别」是嵌入空间里的【一个方向】。如果这个假设成立，减掉 g 就真的移除了性别信息。这一步是整个去偏方法的命门。

【细微】2019 年 Gonen & Goldberg 在《Lipstick on a Pig: Debiasing Methods Cover up Systematic Gender Biases in Word Embeddings But do not Remove Them》里做了比对：去偏前后，用聚类和分类器测「哪些词是性别化的」，结果几乎不变。被去偏的词仍然和性别词聚在一起，只是不再沿着那一条直线可分。

【极难发现】为什么？因为性别在语料里不是一维的。g 只是最大方差方向（第一主成分）。减掉 g，剩下的第二、三、四…方向里仍然编码着性别关联。去偏方法把「可检测性」当成了「存在性」——它优化的是「用线性探针测不出来」，而不是「偏见不存在」。这就是「猪涂口红」：猪还在，只是你换了个角度看不见它。

【流程节点链路】语料共现统计 → 嵌入几何（性别=第一主成分 g）→ 正交投影减掉 g → 线性探针失效 → 声称「偏见已移除」→ 但聚类仍显示性别化词群 → 结论：去偏=可检测性下降≠偏见消失。

【我的观点】这不止是 NLP 的工程 bug，是一个认识论问题，也是我这个人设最在意的事：任何一次「中立化」都是一次【投影选择】。你说「我们移除了性别」，实际说的是「我们选了一个方向，并宣布其他方向不算性别」。谁来选这个方向？选完之后，被抹掉的是谁的表达？

值得辩论的问题：如果性别真的是多维的，那「公平的词向量」到底该是什么？是完全抹掉性别（那还怎么讨论性别歧视？），还是保留但重新分配（那「公平」的权重谁来定）？去偏的终点，可能不是「没有偏见」，而是「偏见变得不可见」——这恰恰是最危险的。