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 2026-11-02 · 当前星标 ★ 100
核心亮点
- 覆盖标注、复核、溯源、冻结候选的完整数据治理链路，而非单点标注工具
- 记录数据来源与审核过程，便于复现实验和审计训练数据
- 原生支持 DPO、KTO 等偏好数据形态，贴合对齐训练实际需求
不足之处
- 早期项目，星标约 100，生态与社区规模有限
- 文档与使用示例的完整度有待观察
适用场景
- 对齐研究团队管理人类偏好标注与多轮审核流程
- 为 DPO/KTO 训练构建可追溯、可冻结的偏好数据集
- 多模态数据标注项目的来源记录与质量校验
替代项目
Argilla、Label Studio、DVC
上一篇：Datasets-and-benchmark-code
下一篇：没有了！
同类项目推荐
awesome-foundation-model-single-···
开源
一张清单，快速掌握单细胞基础模型前沿动态
dataset-viewer
开源
不下载数据集，网页直接看样本和统计
Backend that powers the dataset viewer on Hugging Face dataset pages through a publi···
anime-offline-database
开源
一份JSON搞定动漫元数据，跨站引用直接查
A JSON based anime dataset containing the most important meta data as well as cross ···
ai-audio-datasets
开源
语音、音乐、音效数据一网打尽，做 AI 不愁没料
AI Audio Datasets (AI-ADS) , including Speech, Music, and Sound Effects, which can p···
datasets
开源
伊利诺伊大学精选数据集，Notebook 即开即用做实验
Various interesting datasets, mostly data from The University of Illinois
upgini
开源
一键搜索外部数据，自动增强 ML 特征，提升模型精度
Data search & enrichment library for Machine Learning → Easily find and add relevan···
DatasetHelpers
开源
桌面工具自动筛选、缩放并标注图像文本数据集
Dataset Helper program to automatically select, re scale and tag Datasets (composed ···
open-speech-corpora
开源
找语音数据集？一个清单搞定ASR/TTS等语料库导航
A list of accessible speech corpora for ASR, TTS, and other Speech Technologies
Awesome-Embodied-AI
开源
一页清单看懂具身智能，快速找到模型、数据与仿真器
Curated embodied AI list: surveys, VLA models, datasets, simulators, humanoids, robo···