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 ★ 69
核心亮点
- 统一框架覆盖分类、生成、问答等多任务，减少重复开发
- 基于 ICLR 论文，生成策略有理论支撑，质量有保障
- 提供可配置参数，能按需调整数据难度和多样性
不足之处
- 文档/社区待观察
- 项目处于早期，API 和功能可能不够稳定
适用场景
- 为垂直领域模型微调生成训练样本
- 在隐私敏感场景下替代真实数据用于评估
- 快速扩充小样本数据集以提升模型泛化能力
替代项目
DataDreamer、Self-Instruct、LangChain Data Generator
上一篇：MathPile
下一篇：LLM-PuzzleTest
同类项目推荐
OpusFilter
开源
配置式过滤平行语料，快速清洗出高质量句对
OpusFilter - Parallel corpus processing toolkit
Awesome_Think_With_Images
开源
一页看全“用图像思考”的多模态推理论文地图
Resources and paper list for "Thinking with Images for LVLMs". This repository accom···
OakInk2
开源
做双手操作AI？用OakInk2数据集训练更逼真的手物交互模型。
[CVPR 2024] OakInk2: A Dataset of Bimanual Hands-Object Manipulation in Complex Task···
OntoAligner
开源
上传两个本体，一键生成语义映射关系。
OntoAligner: A Python Toolkit for Ontology Alignment https://pypi.org/project/OntoAl···
awesome-NLP-resources
开源
一站式收藏NLP项目，告别东搜西找
a collection of NLP projects&tools. 自然语言处理方向项目和工具集合。
HDI-Dataset
开源
用高密度路口数据，训练更懂混行交通的感知模型
High Density Intersection Dataset (HDI)
LLM-PuzzleTest
开源
用多模态谜题测出大模型推理短板
This repository is maintained to release dataset and models for multimodal puzzle re···
awesome-chemistry-datasets
开源
化学 ML 数据集一站查，选数据不再翻论文
overview of datasets for ML in chemistry
mimesis
开源
生成逼真多语言假数据，测试开发快人一步
Mimesis is a Python library for generating fake but realistic data in multiple langu···