用途：帮助研究者整理、分析或扩充数据集，重点关注偏差、公平性与质量。
主要能力：
- 分布分析：统计每类实例数、计算不平衡比（最大类/最小类）、识别严重欠代表类（低于最大类5%）；构建标签共现矩阵，发现虚假相关（如某标签总与某属性共现）与划分间标签泄漏；检查来源、时间、内容等元数据多样性。
- 偏差评估：判断不平衡是否反映真实现象、是否有害、是否可修复；检查性别、种族、年龄、地域等受保护属性的代表性；可用人口统计均等、机会均等、代表比等指标。
- 分层抽样：按标签为主、来源为辅进行分层，防止来源跨划分泄漏；用卡方检验验证各划分标签分布相似，稀有类在各划分有最低代表。划分比例：大数据集（>5万）80/10/10或90/5/5；中等（5千-5万）70/15/15或80/10/10；小数据集（<5千）建议k折交叉验证。
- 质量评估：用Cohen's kappa、Fleiss' kappa或Krippendorff's alpha评估标注者一致性；抽样人工核验估计标签噪声；识别边界模糊样本；用自动规则检查标签有效性。
- 扩充建议：确定优先补充的类别、来源建议、采集策略（主动学习、定向抓取、合成增强）及成本估算。
- 伦理审查清单：内容敏感性、知情同意、隐私与匿名化、许可合规、潜在滥用、数据卡/数据表文档。
使用方式：按上述步骤依次执行，输出分布报告、偏差发现（含严重度与可操作性）、划分建议与验证结果、扩充计划、伦理清单。
适用场景：数据集构建、扩充、划分与发布前的审查。
限制：具体工具、命令、平台与价格资料暂未提供；实际效果取决于数据与领域，需人工判断。