该论文首次大规模实证比较多种公平性改进技术，发现方法效果因数据集和敏感属性而异，公平指标评估结果差异显著。预处理和内处理方法优于后处理，其中预处理最佳。研究还涉及数据质量、校准与误差约束、多类分类公平算法及不平衡数据缓解，为深度学习模型公平性提供全面建议。