多敏感属性分布公平性：联合 Wasserstein 审计与 Shapley 分配

研究提出一种基于一维 Wasserstein 几何的多敏感属性分布公平性框架，解决单属性审计易忽略交叉性差异的问题。该方法利用条件分位数过程诱导信息博弈，通过鞅分解将联合差异精确展开，并借助 Shapley 值实现无偏序的敏感属性归因。研究还提供了固定网格估计器与置换校准，并在合成数据集与 ACSIncome 上完成了验证。