给合成数据打分，快速判断质量好坏
SDMetrics 是一个用于评估合成数据质量的 Python 库，由 SDV 团队开发。它提供了一套全面的指标，从统计相似性、数据隐私、数据完整性和机器学习效能等多个维度衡量合成数据与真实数据的接近程度。核心能力包括：单列分布对比（如 KS 检验、TV 距离）、多列关联分析（如皮尔逊相关系数、列对趋势）、以及基于机器学习模型性能的评估（如逻辑回归、决策树）。用户可以通过统一的 API 快速生成质量报告，并支持自定义指标扩展。它解决了合成数据领域缺乏标准化评估工具的问题，帮助数据科学家和机器学习工程师量化合成数据的可用性，从而更可靠地使用合成数据进行模型训练、测试或数据共享。
Synthetic Data Vault (SDV)、ydata-profiling、Great Expectations
SDMetrics 是数据集领域的开源项目，由 sdv-dev 开发，2020 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 263。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-24。开源免费，MIT许可证，可自行部署使用。
它主要面向的使用场景是：评估生成式模型产出的合成数据质量，用于数据增强场景。同类可对比的替代方案包括 Synthetic Data Vault (SDV)、ydata-profiling、Great Expectations。
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
