本文提出了一种修订方法，通过预训练自监督模型提取偏见信息，并结合逻辑调整训练损失函数，以提升无偏见模型的鲁棒性和准确性。研究表明，该方法在多个基准测试中表现优异，平均提高了5.5%的绝对精度，且无需真实分组标签。