Meta推出新的广告系统Variance Reduction System（VRS），以解决原本广告系统中存在的住宅歧视问题。这个新技术是Meta与美国司法部（Department of Justice，DOJ）、住宅暨都市发展部（Department of Housing and Urban Development，HUD）合作的产物，目前Meta先将VRS用于住宅广告，之后还会推进到就业和信贷广告。
Meta在2019年因为违反美国《公平住宅法案》（Fair Housing Act，FHA）而被住宅暨都市发展部告上法院，HUD认为脸书平台挖掘用户资料，让广告主可以依据种族、家庭状况和残疾与否等条件推送广告，明显是歧视性的房屋广告。双方在2022年6月完成和解，Meta除了需支付11万美元的罚款之外，也必须在2022年底前开发无歧视性广告工具。
在和司法部、住宅暨都市发展部合作一年多后，Meta发布了Variance Reduction System（VRS）研究论文，目前VRS系统已经被用于房屋广告，确保广告系统能够公平的推送广告。
Meta目前的广告政策禁止广告主使用Meta的产品，歧视个人与特定群体，同时制定额外的保护措施，像是不允许特定广告使用性别、年龄和邮政编号来定位受众。但是Meta提到，即使没有这些特征的定位选项，人的兴趣和活动等特征，仍可以影响广告对不同人口群体的分配，而这正是VRS用武之地，VRS的目标是确保最终看到住房、就业和信贷广告的受众，能够更符合法律规范的广告目标受众。
Meta通过定期测量特定广告的实际受众，以了解这些受众组成与人口统计分布的差异，其中包括年龄、性别和种族等特征，官方提到，目前这个系统优先着重性别和种族特征，并会以隐私方法进行总体测量。
VRS是用于广告投放的增强学习框架，最大程度减少实际看过广告的人，与广告预期受众之间的差异。Meta解释，增强学习是一种机器学习方法，可以最大程度减少人口统计子群组之间广告曝光的差异，而且其重点在于VRS在做决定前，不会事先获得年龄、性别和种族等个人层级的资料。VRS能够测量人口统计分布的基准，并与广告商目标用户群体的种族分布进行比较，而在投放广告的时候，也会定期测量投放率和广告曝光的人口统计分布。
Meta提到他们在开发VRS方法的过程中，所面临的挑战与限制，技术挑战包括人口统计资料的低可用性，虽然Meta在用户创建账号时，就能够收集性别和年龄，但是缺少了种族等人口统计资料，而这阻碍了系统性调查这些受保护特征间的差异，同时也提高在过程监控公平进展的障碍。
而人们总希望实现真完全的公平，但Meta提到，VRS同时考虑年龄、性别和种族等人口统计特征，但是同时考量多个特征以及潜在权衡，反而不太可能完美地实现每个特征的目标。广告主所设置的广告曝光数，也会直接关系到系统有多少机会，找到成功的策略以减少差异。另外，因为VRS依赖多个技术基础架构迭代测量，因此测量过程使VRS系统产生较大的延迟。
在Meta还提到，打开了这类研究之后，也衍伸出了更多的问题，包括是否将类似的工具用于其他尚不需要隐私保护的人口统计特征，同时他们也认为，这项隐私保护应该持续讨论，以波及更多线上和脱机的房屋、工作和金融工具。