该文从因果推理视角综述机器学习公平性，提出FACE、FACT等非歧视标准与算法，指出因果公平定义常导致极端帕累托支配，存在数学局限。研究构建因果公平分析框架，结合深度学习与近似推理消除不公平路径效应，并讨论可辨识性、潜在结果框架及多层次公平问题，强调跨学科与人类认知验证。