DS2 是模型训练领域的开源项目，由 UCSC-REAL 开发，2025 年首次发布。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 102。
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 2026-09-07。Apache-2.0许可，可自由使用，无付费版本。
它主要面向的使用场景是：大模型微调前的数据清洗与筛选。同类可对比的替代方案包括 DataComp、TinyLLM、LIMA。
DS2
用 LLM 评分自动筛数据，少数据也能训出好模型
DS2 是 ICLR 2025 论文《Improving Data Efficiency via Curating LLM-Driven Rating Systems》的官方实现，旨在通过大语言模型驱动的评分系统来提升数据效率。它解决的核心问题是：在训练或微调大模型时，如何用更少的数据达到更好的效果。项目提供了一套基于 LLM 的自动数据策展流程，利用评分机制筛选和优化训练数据，从而减少人工标注成本，提高数据利用效率。核心能力包括数据评分、筛选和迭代优化，适用于数据清洗、小样本学习等场景。项目处于早期阶段，代码库结构清晰，但文档和社区支持尚待完善。
开源
free
开源模型
GitHub 星标
★ 102
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UCSC-REAL
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可，可自由使用，无付费版本。
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-curation,data-efficiency,instruction-tuning,large-language-models
GitHub 星标★ 102
30天Star增速
HF 下载量
上线时间2025-02-11 00:00:00
最近更新2026-09-07 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5
使用教程
核心亮点
- 基于 ICLR 2025 前沿研究，方法有理论支撑
- 直接解决数据效率痛点，可降低训练成本
- 官方实现，代码与论文对齐，便于复现
不足之处
- 项目早期，文档和社区支持待观察
- 依赖 LLM 评分，可能引入额外计算开销
适用场景
- 大模型微调前的数据清洗与筛选
- 小样本场景下提升模型训练效果
- 自动化数据策展流水线构建
替代项目
DataComp、TinyLLM、LIMA
项目介绍
上一篇：Awesome-Quantization-Papers
下一篇：CAME
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···