FRAPPE：一种面向一切后处理的群体公平性框架

尽管在处理中缓解技术能在公平性与误差之间取得有前景的权衡，但在许多计算资源有限或无法访问预测模型训练流程的实际应用中，这些技术无法被采用。在这些情况下，后处理是一种可行的替代方案。然而，当前的方法是为特定的问题设置和公平性定义量身定制的，因此不像在处理中方法那样具有广泛的适用性。在这项工作中，我们提出了一个框架，可以将任何正则化的在处理中方法转化为后处理方法。该程序提供了一种方法，可以为比先前后处理文献更广泛的问题设置获得后处理技术。我们从理论上并通过大量实验证明，我们的框架保留了在处理中方法所实现的良好公平性-误差权衡，并且可以超越先前后处理方法的有效性。最后，我们展示了将预测模型训练与公平性缓解解耦的模块化缓解策略的几个优势，包括在具有部分群体标签的任务上表现更佳。