meerkat 是数据集领域的开源项目，由 HazyResearch 开发，2021 年首次发布。
在全站 12,961 个收录项目中，它的 GitHub 星标数（854）位列前 30%，在数据集分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-10。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：模型训练前检查训练集标签错误或类别不平衡。同类可对比的替代方案包括 FiftyOne、Facets、Lux。
GitHub 星标
★ 854
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队HazyResearch
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型data-science,foundation-models,machine-learning,ml,pandas
GitHub 星标★ 854
30天Star增速
HF 下载量
上线时间2021-05-07 00:00:00
最近更新2026-09-10 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数8
使用教程
核心亮点
- 提供交互式表格和可视化界面，无需前端开发即可直观检查样本与预测结果。
- 支持按标签、预测置信度等条件动态筛选数据，快速发现错误标注和困难样本。
- 与主流深度学习框架（如PyTorch）集成简单，可直接传入DataLoader或Dataset对象。
不足之处
- 项目处于早期阶段，功能完整性和稳定性有待提升。
- 文档和社区生态尚不完善，学习资源较少。
适用场景
- 模型训练前检查训练集标签错误或类别不平衡。
- 验证集上分析模型预测失败的具体案例，辅助调试。
- 对比不同数据子集的性能差异，发现数据偏差。
替代项目
FiftyOne、Facets、Lux
项目介绍
上一篇：Mol-Instructions
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models