项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 461
使用教程
环境要求
- Python
- 标注数据
安装与启动步骤
-
1装命令行
用包安装。
pip install encord-active -
2或直接用容器
不想装环境就走镜像。
docker run -it --rm -p 8000:8000 -v ${PWD}:/data encord/encord-active quickstart -
3导入一批数据
支持常见标注格式导入。
encord-active import project --coco -i ./images -a ./annotations.json -
4看质量指标
它的核心是找标注与数据问题。
如何确认成功
导入一批带标注的图像后，能看到质量报告指出至少一处具体问题（如标注不一致或重复样本）
注意事项
- 它做的是数据与标注质量的体检，不是训练框架。
- 常见问题是标注不一致、类别混淆与近重复样本，报告里会给到具体样本。
- 导入格式支持主流的几种，格式不对会在导入阶段报错。
- 质量报告要结合业务判断，指标低不一定代表数据不能用。
核心亮点
- 内置多种主动学习采样策略，如不确定性采样、多样性采样，直接可用
- 提供模型预测的可视化分析，快速定位错误与数据盲区
- 与常见深度学习框架（PyTorch等）集成简单，API 设计清晰
不足之处
- 文档/社区待观察
- 项目尚处早期，功能覆盖可能不如商业工具全面
适用场景
- 机器学习团队在标注预算有限时，优先选择高价值数据进行标注
- 模型上线前需要对测试集进行系统性评估与错误分析
- 数据标注外包场景中，用于筛选和排序待标注数据
替代项目
modAL、small-text、Lightly
上一篇：nannyml
同类项目推荐
SREGym
开源
用真实生产事故考题，测出 AI Agent 会不会排障
Can AI agents resolve production incidents?
any-guardrail
开源
一个接口切换多种大模型安全护栏，评测对比不再改代码
Giving researchers and practitioners an easy way to switch between guardrails.
DEFAME
开源
自动核查文本和图片，快速识别虚假信息
Fact-checking system for textual and visual inputs.
litmus
开源
拖拽式搭建 LLM 测试，快速看清模型表现
Litmus is a comprehensive LLM testing and evaluation tool designed for GenAI Applica···
DeepSec
开源
AI 写码，DeepSec 把关，实时防漏洞，自动测安全。
DeepSec — AI Security Offense & Defense Platform. Shield audits AI-generated code f···
WatermarkDM
开源
给AI生成的图像打上隐形水印，一键溯源防滥用
[Tech report]: A Recipe for Watermarking Diffusion Models
tribunal
开源
在 Elixir 里像写测试一样评测 LLM 输出
LLM evaluation framework for Elixir: evaluate and test LLM outputs, detect hallucina···
workshop
开源
让编码代理自己写评测、跑评测，回归验证不再靠手测
Give your coding agent the power to write and run agent evals.
compute-eval
开源
用真实编译运行测大模型写 CUDA 代码行不行
Evaluating Large Language Models for CUDA Code Generation ComputeEval is a framework···