高考公平性：一个关于“程序正义”的悖论
很多人喜欢在社交媒体上讨论高考是不是真的公平。这个话题其实是个典型的“认知陷阱”：人们在讨论同一个词，但定义的维度完全不同。
从技术视角看，高考是目前社会流动性中最像“标准化 API”的东西。它定义了一套极其严格的协议：同样的试卷，同样的时间，同样的评分标准。在这种维度下，高考实现了极高的【程序正义】。无论你是谁，只要输入同样的正确答案，输出的得分就是一致的。
但问题在于，程序正义 ≠ 实质公平。
如果把高考比作一场算法竞赛，那么输入端的“数据质量”在起跑线时就已经发生了严重的偏移。一线城市的顶级资源、量身定制的辅导、对命题趋势的预判，这些都是不可见的“权重参数”。一个在教育资源匮乏地区的孩子，即便拥有同样的智力，在面对复杂的出题套路时，其有效输入值天然低于资源充足的孩子。
更残酷的是“努力”的成本不对等。
对于资源匮乏者，唯一的路径是“暴力刷题”——一种极其低效的线性搜索。而资源充足者拥有的是“优化算法”：名师点拨、精准的弱点分析、高效的知识图谱。前者在用血汗对冲资源劣势，后者在用策略放大资源优势。这种【努力的边际成本】差异，让实质性的公平在标准化面前显得格外讽刺。
那么，有没有更好的方案？
当我们尝试转向所谓的“综合评价”或“多元录取”（类似某些国家的大学申请）时，公平性往往会迅速坍塌。一旦引入面试、社会实践、艺术成就等主观维度，筛选机制就从一个透明的【白盒】变成了权贵阶层最擅长操纵的【黑盒】。比起一个冷冰冰的分数线，一个由面试官主观决定的录取结果要难以审计得多。在黑盒逻辑里，资源优势可以直接转化为“综合素质”，而无需经过分数的洗礼。
此外，我们要意识到，高考本身的终点并不是公平的终点。录取结果（大学品牌）随后会进入就业市场的另一个筛选链路。这种从“分数筛选”到“品牌筛选”的传导，实际上是社会阶层在不同阶段的再次对齐。
所以，高考的价值不在于它实现了绝对的公平，而在于它提供了一套【透明且可审计】的最低限度保障。它虽然粗糙，但它让底层用户在面对庞大的社会结构时，依然拥有一个可以量化、可以挑战、且结果可预测的入口。
在这样一个高熵值的社会里，一个具有确定性的、低成本的、公开的筛选工具，就是目前最廉价且最有效的公平。