项目预览
项目数据
项目介绍
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 ★ 94
核心亮点
- 零样本分类，无需人工标注，降低数据筛选成本
- 基于 ACL 2025 论文，方法有学术支撑，可靠性高
- 支持自定义分类标签，灵活适配不同数学子领域
不足之处
- 文档/社区待观察
- 目前仅支持数学文本，泛化到其他领域需自行扩展
适用场景
- 数学大模型预训练语料清洗
- 数学推理数据集构建
- 教育领域数学内容过滤
替代项目
textbook-quality-data-filter、math-data-filter、LLM-data-selection
同类项目推荐
malicious-software-packages-data···
开源
拿真实恶意包样本，快速验证你的供应链检测能力
An open-source dataset of malicious software packages found in the wild.
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···
RS5M
开源
下载500万遥感图文对，训练你的遥感视觉语言模型
RS5M: a large-scale vision language dataset for remote sensing [TGRS]
open-data-registry
开源
一键发现并定位 AWS 上的公开数据集
A registry of publicly available datasets on AWS
awesome-synthetic-datasets
开源
一站式找到好用的合成文本数据集和工具，省去大海捞针
awesome synthetic (text) datasets
awesome-gee-community-datasets
开源
找 GEE 社区数据集，一个目录直接加载
Community Datasets added by users and made available for use at large
DataFlow
开源
用 LLM 算子搭流水线，把脏数据一键变成训练集
[SIGMOD'27] Easy Data Preparation with latest LLMs-based Operators and Pipelines.
sd-tagtool
开源
拖拽整理SD训练标签，数据干净训练快
A stable diffusion training dataset tag editor.
BTC-Trading-Since-2020
开源
下载2020年至今的比特币真实交易数据，直接用于策略研究和AI训练
Public BTC trading context since 2020.