DS2

用 LLM 评分自动筛数据,少数据也能训出好模型

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 9 🐛 待处理 1 👀 关注 5
GitHub ↗
GitHub 星标 ★ 102
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,Apache-2.0许可,可自由使用,无付费版本。

项目预览

DS2 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队UCSC-REAL
定价模式🏷️完全免费
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🔧 仅开源项目,无在线服务,需自行部署
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
上线时间2025-02-11 00:00:00
代码更新2025-03-24
仓库体积18.4 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

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。

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 ★ 102

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

上一篇:Awesome-Quantization-Papers

下一篇:CAME

同类项目推荐

huggingface-gemma-recipes 开源

照着 Notebook 跑,Gemma 推理微调一步到位

Inference, Fine Tuning and many more recipes with Gemma family of models

★ 304 2026-09-16
Composition-RL 开源

把可验证提示词自动组合,低成本扩充 RL 训练数据

[Neurips 2026] Official repository for the paper "Composition-RL: Compose Your Verif···

★ 138 2026-10-05
INTERS 开源

给大模型注入搜索能力,让检索结果更精准

This is the repository for our paper "INTERS: Unlocking the Power of Large Language ···

★ 208 2026-08-09
halo 开源

一套框架搞定 LLM 与多模态的微调和强化学习训练

Halo is an open-source framework built by White Circle for training large language a···

★ 853 2026-09-25
raft 开源

微调+RAG双阶段,让AI代理精准模仿特定人物

RAFT, or Retrieval-Augmented Fine-Tuning, is a method comprising of a fine-tuning an···

★ 178 2026-08-09
ts-icl 开源

零样本搞定时间序列预测与插补,无需重新训练。

TS-ICL: a Time-Indexed Foundation Model for Time Series Forecasting & Imputation via···

★ 130 2026-08-09
zeta 开源

像搭积木一样构建高性能 AI 对话模型

Build high-performance AI models with modular building blocks

★ 605 2026-08-09
RandOpt 开源

在预训练权重附近挖出多个专家模型,提升泛化与集成效果

Official Codebase for "Neural Thickets: Diverse Task Experts Are Dense Around Pretra···

★ 658 2026-08-09