Tabular Fair SSL中的结构失效模式：基于置信门控的在线原始-对偶分配

半监督学习（SSL）可实现有限标签下的预测，但高风险的表格应用（医疗、信贷、犯罪记录）需要统计公平性保证。我们通过诊断性压力测试识别了表格公平SSL中的结构性冲突：在置信门控伪标签化下，矩匹配公平性正则化器可能触发两种失效模式——遮蔽崩溃（公平性侵蚀置信度，导致伪标签匮乏）和平凡饱和（趋于常数预测器）。我们提出了一种在线原始-对偶分配（OPDA），这是一种在线控制器，通过利用违规、风险和伪标签健康信号调度公平性和熵基稳定惩罚，在此诊断性情境下避免每组数据集固定公平权重的选择。在评估的表格基准（Adult、ACSIncome、COMPAS）上，OPDA缓解了静态加权和简单单信号自适应基准下观察到的退化情形。在Adult和COMPAS上，它产生了与经验静态-λ前沿竞争的非退化运行点；在ACSIncome上，保持了实用性，并实现了更宽的公平性-实用性分布。相对于OPDA-lite，完整控制器主要将运行点偏向更高的实用性在ACSIncome上，而Adult则突显了两种变体之间的公平性-实用性权衡。这些结果将OPDA定位为表格公平SSL中的一种无需每组数据集调参的校准自由控制器，用于产生非退化运行点。