在自然語言處理任務中，為了減少訓練語料中偏見對模型的影響，下列哪種資料處理策略屬於常見的「資料去偏（Data Debiasing）」做法？
答案 （C）
核心概念
模型的偏見大多來自訓練資料本身的分布不均——某些群體的樣本特別多，模型自然就偏向他們。資料去偏（Data Debiasing）就是在「資料層」動手，透過重新平衡樣本比例、補齊代表性不足群體的資料、重新標註或過濾有偏內容，讓語料的分布更公平，從源頭降低偏見。
答題技巧
快速判斷技巧：題目問的是「資料」去偏，就找那個真的在動「資料」的選項。(A) 動輸出、(B) 動模型大小、(D) 動訓練技巧，只有 (C) 在調整語料本身。
易錯陷阱：(B) 反映了一個很普遍的迷思——「模型夠大就會自己變好」。要記住偏見來自資料，資料有偏，模型再大也只是把偏見學得更好。