DataClaw0 是数据集领域的开源项目，由 vancyland 开发，是 2026 年新上线的项目。
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 115。
项目仍在小幅维护中，最近一次代码更新于 2026-09-16。项目尚未正式发布，代码、权重、数据集待论文接收后公开。
它主要面向的使用场景是：多模态模型训练前的数据清洗与增强。同类可对比的替代方案包括 DataComp、LAION-5B、RedPajama。
DataClaw0
自动把原始视频流变成高质量训练数据，省去人工标注。
DataClaw 是一个面向多模态数据智能处理的开源项目，核心目标是解决原始数据流到高质量训练数据的自动化加工问题。它通过 Agentic 方式，结合视觉语言模型（VLM）、GUI 智能体等技术，自动从原始视频、图像等多模态流中筛选、清洗、标注并生成适合模型训练的数据集。项目提供数据定制工具、数据集构建流程以及评估基准（DataClaw-val），支持 SFT、GRPO 等训练范式。目前代码、权重和数据集尚未发布，处于早期阶段，但设计思路对数据工程、具身智能和视频生成领域有参考价值。
开源
unknown
视频生成
GitHub 星标
★ 115
维护状态
维护中
是否开源
是
定价模式
unknown
项目数据
分类视频生成
开发团队vancyland
所属国家
定价模式unknown
价格说明项目尚未正式发布，代码、权重、数据集待论文接收后公开，定价信息待确认。
访问状态
是否开源是
开源协议
主要语言
技术栈/模型data-tailoring,dataset,embodied-ai,grpo,gui-agents,multimodal,sft,video-generation,vlm
GitHub 星标★ 115
30天Star增速
HF 下载量
上线时间2026-06-23 00:00:00
最近更新2026-09-16 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2026-08-09
浏览次数3
使用教程
核心亮点
- 聚焦数据定制自动化，直击多模态模型训练的数据瓶颈
- 结合 GRPO 等强化学习技术，提升数据筛选的智能性
- 提供评估基准，便于验证数据加工效果
不足之处
- 代码、权重和数据集尚未发布，实际可用性待验证
- 文档和社区支持目前几乎空白，上手门槛高
适用场景
- 多模态模型训练前的数据清洗与增强
- 视频生成领域的高质量数据采集与标注
- 具身智能或 GUI 智能体的交互数据构建
替代项目
DataComp、LAION-5B、RedPajama
项目介绍
上一篇：sekai-codebase
下一篇：SpatialVID
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
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