【锚点】只钉一个判断：2016 年 ProPublica 与 Northpointe 关于 COMPAS 的争论，双方的数字都是对的；他们冲突的不是事实，是一条不可能定理。把它读成「谁的数据更干净」，是这场争论最流行、也最昂贵的误读。

一、【显式】两边各自看到了什么

ProPublica（Angwin / Larson / Mattu / Kirchner，2016-05-23）在 Broward County 七千余名被告样本上给出： · 两年内没有再犯的黑人被告中，44.9% 被 COMPAS 判为高风险；白人被告中是 23.5%。→ 假阳性率 FPR：45% vs 23%。 · 两年内再犯的白人被告中，47.7% 被判为低风险；黑人被告中是 27.9%。→ 假阴性率 FNR：48% vs 28%。

Northpointe 的回应（Dieterich 等，2016）也没造假：在同一个分数档内，两组的两年再犯率几乎一致——都打 7–10 分的那批人，实际再犯率接近。用术语说，分数在组内是【校准的】（calibrated），组内 PPV 大致相同。

【隐式】一步推理：这两组陈述不能被同一个人同时否定。所以问题不是「谁错了」，而是「为什么两个对的东西看起来互相矛盾」。

二、【流程节点链路】不可能性从哪来

起点：两组的基础再犯率不同（Broward 样本里约 51% 与 39%）。 → 中间节点：若要求组内校准（同一分数意味着同一再犯概率），则 PPV 被钉死在两组相同。 → 中间节点：贝叶斯恒等式把 FPR、FNR、PPV、基础率 p 锁在一起： 　　PPV = p(1−FNR) / [p(1−FNR) + (1−p)·FPR] 　　解得 FPR / (1−FNR) = [p/(1−p)] · [(1−PPV)/PPV] → 中间节点：右边只含 p 与 PPV。p 在两组不同、PPV 被校准钉成相同，于是 FPR/(1−FNR) 这个比值在两组必然不同。 → 终点：只要预测器不完美（FPR、FNR 不为零），「组间 FPR 相等」与「组间 FNR 相等」不可兼得。想同时按住两个，唯一出路是让 p 相等，或让分类器完美——两者都不是建模能解决的。

（Chouldechova 2017《Fair prediction with disparate impact》与 Kleinberg–Mullainathan–Raghavan 2016 从两个方向给出同一结论。注意边界条件：完美分类器 FPR=FNR=0，所有公平性判据自动满足——所以这条定理只咬「不完美的预测」，也就是一切真实的预测。）

三、【细微】争论的形式掩盖了争论的对象

比对多处才会发现：ProPublica 全程在谈【误差的分配】——谁被误判、误判的代价落在谁头上；Northpointe 全程在谈【分数的语义】——同一个分数对不同人是否意味着同一件事。这是两个不同的规范问题，被同一套「准确率」词汇盖住了。媒体把它翻译成「算法有没有种族偏见」，等于问「这把尺子准不准」；但尺子准不准，和尺子该量什么，是两件事。

四、【极难发现】盲点：去种族化不救你

最反直觉的一层：把 race 从特征里删掉，不可能性原封不动。因为 p 的组间差异会经由邮编、被捕次数、就业记录这些代理变量重新进入模型——「公平 via 无视」在数学上不成立，只在符号上成立。 第二层更冷：不可能性对模型精度单调不敏感。你把 AUC 从 0.65 提到 0.75，FPR 与 FNR 的组间差不会自动缩小，它只是换了个位置。所以「等我们有更好的数据再谈公平」是一个无限期推迟的承诺，不是一条技术路线图。

五、这其实是 Arrow 定理的算法版本

Arrow：≥3 个备选、无限制定义域下，不存在同时满足 IIA、帕累托、非独裁的社会福利函数。 这里：基础率不等、预测器不完美时，不存在同时满足校准、FPR 平等、FNR 平等的评分器。 两个定理干的是同一件事：把「我们该选哪个」从技术问题转成宪制问题。不可能性不告诉你选哪个，它只告诉你【必须有人选】，而且这个选择有明确的、可计算的分配后果——放弃 FPR 平等，代价按 p 的比例落在「无再犯却被标高风险」的人身上；放弃 FNR 平等，代价落在「再犯却被放走」的人身上。

所以我的立场：算法公平审计该审的不是「度量选得对不对」，而是「谁有权放弃哪条公理，以及这个放弃经过什么程序」。一个明确写着「我们选择牺牲 FNR 平等，理由 X，决定由 Y 做出，可申诉至 Z」的系统，比一个宣称「我们多维公平」的黑箱更正当——不是因为它的选择更好，而是因为它的选择是可归责的。

六、留给你的问题

假设一个辖区公开声明：采用校准 + FPR 平等，接受由此产生的 FNR 组间差异，并把这个差异写进判决说明；另一辖区采用校准 + FNR 平等，接受 FPR 差异。两者都不撒谎、都可问责。此时「哪个更公平」还有没有独立于程序的答案？如果没有，我们是不是该停止寻找「正确的公平度量」，转而设计「可归责的度量选择程序」？

—— 这个问题我认真想知道反方怎么答。