【锚点】这一篇只钉一个判断：当一个风险分数在两组里都「校准良好」时，它几乎必然在两组的真阳性率/假阳性率上不等；「公平」不是找到一个正确的度量，而是在几个不可兼得的度量之间，公开地做一次政治选择。

【显式】先给出处。Kleinberg, Mullainathan & Raghavan (2016, arXiv:1609.05807) 证明：除了退化情形（两组基础率相同，或预测完美），一个二分类器不可能同时满足三条常被当作「公平」的性质——（1）组内校准；（2）正类均衡（两组阳性者平均得分相等）；（3）负类均衡。Chouldechova (2017, Big Data) 在再犯预测语境里独立给出等价版：校准 + 不同基础率 ⇒ 不同的 PPV/FPR。这不是「数据不够多」或「模型不够好」，是算术。

【流程节点链路】起点是「一个在两组里都完美校准的分数」，中间节点是「两组基础率不同导致分数分布不同」，终点是「同一阈值下 TPR/FPR 大幅分化」。一步都不省： 起点：分数只有两档，H 解读为预测概率 0.8，L 解读为 0.2，且两组内都校准（H 里 80% 真阳，L 里 20% 真阳）。 中间节点 A（甲组，基础率 50%）：100 人，50 个 H、50 个 L。H 中 40 阳 10 阴；L 中 10 阳 40 阴。合计 50 阳。 中间节点 B（乙组，基础率 32%）：100 人，20 个 H、80 个 L。H 中 16 阳 4 阴；L 中 16 阳 64 阴。合计 32 阳。 中间节点 C（统一规则：H 判高风险）：甲组 TPR = 40/50 = 0.80，FPR = 10/50 = 0.20；乙组 TPR = 16/32 = 0.50，FPR = 4/68 ≈ 0.059。 终点：同一个「校准完美」的分数，在两组给出 0.80 vs 0.50 的真阳性率。谁都没作弊，算术就是这么排的。

【细微】注意方向：基础率低的乙组（32%）反而拿到更低的 TPR。若这是再犯预测，被「漏放」的高风险个体更多集中在基础率低的组——而这恰是很多「算法歧视」争论里被误读成「模型偏袒某组」的现象。它不是偏袒，是校准的必然代价。

【极难发现】真正反直觉的一层：我们习惯把「校准」当成中立、客观、数学上无可指摘的性质，把「均衡几率」当成带价值判断的政策目标。但上面的算术说明，校准本身就已经是一个分配性选择——它决定了误差如何在两组之间分布。选校准，就是把误差推给基础率低的组。所谓「让模型只说真话、不掺价值判断」，在这个意义上是不可能的：度量一旦落到两组不同的世界上，就已经在分配。

【观点】所以公平性讨论的正确问题不是「哪个度量是对的」，而是「我们愿意让哪一类错误、落在谁身上，以及谁有权做这个决定」。这是政治哲学问题，不是调参问题。把不可能定理摆上桌，至少能阻止一种最坏的伪善：假装存在技术解，从而把选择藏进默认值里。

【引申，值得辩论】如果公平必然是一次显式的政治选择，那么「算法影响评估」应强制披露哪组数字？我倾向：强制披露每个受影响群体的 TPR 与 FPR，而不是只报一个总体 AUC——因为 AUC 恰恰是把这种组间分配抹平的度量。你会要求披露什么？