随着专注于评估和减轻算法中不公平结果的文献激增，最近出现了几个开源“公平工具包”，使这些方法可以广泛使用。 然而，很少有人研究现有公平工具包的方法和功能的差异，以及它们是否适合商业环境。 为此，本文确定了现有开源公平工具包功能与行业从业者需求之间的差距。 具体而言，我们对六个突出的开源公平工具包的优势和劣势进行了比较评估，并通过探索性焦点小组、半结构化访谈和匿名数据科学调查调查公平工具包的现状和差距。机器学习 (ML) 从业者。 我们确定了工具包的能力和从业者需求之间的几个差距，突出了需要关注的领域和未来的方向，以更好地支持“实践公平”。
