Data-Provenance-Collection

跨学科倡议推动AI训练数据集透明度和责任使用

Data Provenance Initiative AI数据集透明度文档化负责任使用 Github 开源项目

Data-Provenance-Collection项目致力于提高AI训练数据集的透明度和负责任使用。该项目审计了44个数据集合,涵盖1800多个文本微调数据集,记录了其来源、许可和创建者等元数据。开发者可通过项目脚本筛选符合许可和特征要求的数据集,促进AI训练数据的规范使用。

marquez - 数据生态系统元数据的收集、聚合和可视化

GithubMarquezOpenLineage元数据服务开源项目数据谱系

Marquez是一个开源元数据服务项目，专注于数据生态系统的元数据处理。该项目提供数据集消费和生产的溯源、作业运行时间和数据集访问频率的可视化，以及数据集生命周期的集中管理。作为LF AI & Data Foundation的毕业项目，Marquez集成了OpenLineage，简化了数据集、作业和运行元数据的收集与查看过程，有助于探索数据依赖关系并优化元数据管理。

Awesome-LLMs-Datasets - 完整收录大型语言模型数据集的多维度分类概览

GithubLLMs数据集大语言模型开源项目指令微调数据集评估数据集预训练语料库

这个项目全面收集和分类了大型语言模型(LLM)数据集，包括预训练语料库、指令微调数据集、偏好数据集、评估数据集和传统NLP数据集五大类别。新增的内容涵盖多模态大语言模型数据集和检索增强生成数据集。项目统计了444个数据集的详细信息，覆盖8种语言和32个领域，为LLM研究提供了全面参考资源。

ai4artists - AI与艺术结合的资源，包括深度学习课程、视频、技术文献和创意工具

AIArtCreative CodingDeep LearningDiffusion ModelsGithub开源项目

提供多种AI与艺术结合的资源，包括深度学习课程、视频、技术文献和创意工具。从基础知识到高级教程，以及最新的研究论文和方法，如扩散模型和神经辐射场。还包含艺术家和机构的介绍，助力创意工作者探索AI的无限可能。

data - 开源Python视频和元数据集合

CC0许可GithubPython元数据开源贡献开源项目视频数据

pyvideo/data是一个开源项目，专注于收集和整理Python相关的视频资源及其元数据。项目包含大量Python演讲、教程和会议录像，采用CC0许可发布。开发者可通过GitHub参与贡献，共同扩充这个Python视频资料库。项目特别注重保护视频所有者的权益，维护了一个不允许发布的视频ID列表。

Automated-Fact-Checking-Resources - 自动事实核查资源库数据集、模型与研究进展

Github多模态开源项目数据集社交媒体自动事实核查虚假信息检测

该项目整理了自动事实核查领域的全面资源,包括最新数据集、模型和研究进展。涵盖从声明检测到结果预测的完整流程,并包含多模态事实核查内容。项目持续更新,为研究人员提供便捷的参考资料库。

litdata - 优化数据处理和流式传输工具提升AI模型训练效率

GithubLitData云存储开源项目数据优化数据处理模型训练

LitData是一个开源的数据处理和优化工具，专注于提升AI模型训练效率。它提供并行数据处理、向量嵌入创建、分布式推理和大规模网站抓取功能。LitData优化数据集以加速模型训练，支持云端大规模数据流式传输，并实现远程数据的无本地加载使用。这些特性使LitData成为提高数据处理效率和AI模型训练速度的有力工具。

DLTA-AI - AI赋能的数据标注、追踪和注释工具

DLTA-AIGithub分割模型开源项目数据标注机器学习目标跟踪

一款集成先进计算机视觉模型的工具，简化图像数据集创建，支持零样本分割和目标跟踪，提供多种模型选择与自定义导出格式，无缝结合Labelme，提升标注效率。

awesome-synthetic-datasets - 大语言模型合成数据集资源汇总

CosmopediaGithubSelf-InstructTinyStories合成数据集大语言模型开源项目

该项目整理了大语言模型生成合成数据集的相关资源，包括教程、技术、数据集、工具和论文。涵盖TinyStories、Cosmopedia等数据集，以及Self-Instruct、AutoPrompt等技术，为AI研究和开发提供参考。

awesome-data-catalogs - 数据目录和可观测性平台列表

AmundsenDataHubGithub开源项目数据发现数据目录数据管理

该项目收集了一系列精心挑选的数据目录和监控平台，帮助企业高效发现、管理和观察数据。通过综合列表，用户可以比较开源和专有工具的不同功能，如数据溯源、数据质量保障和数据协作，满足多样化的数据管理需求。

awful-ai - 用于追踪当前AI的使用情况的列表

Awful AIGithub人工智能国防及军事使用开源项目歧视热门监控

Awful AI是一个策划的清单，追踪当前AI技术的可怕用途，旨在提高公众对这些技术在社会中误用的意识。该项目收录了导致歧视、误导和侵犯隐私的AI应用案例，并探讨可能的预防技术开发，以期抵制这些负面影响。此外，Awful AI还通过平台，激发公众和研究者之间的讨论，共同推动技术的负责任使用。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com