本研究提出AlignFreeze方法，通过冻结模型的上半部分或下半部分，解决多语言模型重标定中表现不佳语言的问题，特别是在无法提升性能的语言中，改善了词性标注效果。

本研究提出了一种新方法，针对缺乏人口统计信息的公平性问题，基于“$α$-大小最坏情况公平性”。通过重标定样本重要性和对抗训练，实验结果表明该方法在公平性测试中表现优异。