be_great 是数据集领域的开源项目，由 tabularis-ai 开发，2022 年首次发布。
它收录于数据集分类，该分类目前共有 284 个项目，GitHub 星标数为 370。
项目仍在小幅维护中，最近一次代码更新于 2026-09-21。
它主要面向的使用场景是：隐私保护：共享数据前生成脱敏合成数据。同类可对比的替代方案包括 CTGAN、TVAE、SDV。
GitHub 星标
★ 370
维护状态
维护中
是否开源
是
定价模式
unknown
项目预览
项目数据
分类数据集
开发团队tabularis-ai
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型data-generation,deep-learning,synthetic-data,synthetic-dataset-generation,tabular-data,transformers
GitHub 星标★ 370
30天Star增速
HF 下载量
上线时间2022-09-14 00:00:00
最近更新2026-09-21 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-17
浏览次数12
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
正在加载星标数据…
使用教程
核心亮点
- 创新性地将预训练 LLM 用于表格数据合成，生成质量高
- 支持少量样本学习，数据稀缺场景下仍能有效生成
- 提供数据质量评估工具，便于量化合成数据与真实数据的差异
不足之处
- 依赖较大模型，推理资源消耗较高
- 文档/社区待观察
适用场景
- 隐私保护：共享数据前生成脱敏合成数据
- 数据增强：扩充小样本数据集以提升模型训练效果
- 类别不平衡：为少数类生成更多样本以平衡数据集
替代项目
CTGAN、TVAE、SDV
项目介绍
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
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
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 ···