多准确性和多校准是预测中的公平性概念，源于弱无偏学习。研究表明，单独的多准确性较弱，但与全局校准结合后，能力显著增强，能够恢复在多校准假设下已知的结果。多准确性无法后处理为弱学习器，但结合校准后可实现强无偏学习。

本文探讨了损失预测的理论基础，研究了预测器在输入上的损失估计能力。建立了非平凡损失预测与多校准之间的紧密联系，表明损失预测的改进与多校准失败相互关联。实验结果支持这一理论，显示预测器的多校准误差与损失预测训练效果正相关。

多校准是一种算法公平性概念，要求预测器在复杂的受保护子群体上校准。研究发现：自带校准的模型通常无需额外处理即可实现多校准；多校准后处理对未校准模型有帮助；传统校准方法有时可实现多校准。研究还总结了多校准在实际应用中的观察。