一站式找齐训练对话模型的指令数据集
这是一个收录指令数据集的精选列表，旨在为训练类ChatGPT的对话大语言模型（如LLaMA、ChatLLM）提供高质量的训练数据资源。项目解决了研究人员和开发者难以系统性地找到、比较和获取多样化指令数据集的问题。它整理了来自不同来源的指令数据集，涵盖提示词、self-instruct生成数据、多轮对话等多种类型，并提供了简要说明和链接，方便用户按需选择。核心能力包括数据集的分类整理、资源导航和社区贡献，帮助用户快速定位适合特定任务的数据，从而加速模型微调和指令跟随能力的提升。
awesome-chatgpt-prompts、instruction-datasets、datasets-for-instruction-tuning
awesome-instruction-datasets 是数据集领域的开源项目，由 jianzhnie 开发，2023 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 744。
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 2026-09-16。完全免费，无付费版本。
它主要面向的使用场景是：研究者寻找特定领域的指令数据用于模型微调。同类可对比的替代方案包括 awesome-chatgpt-prompts、instruction-datasets、datasets-for-instruction-tuning。
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
