synthetic-data

机器学习交易代码，第 3 版——从数据获取到实时执行

为基础模型提供数据处理！🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

构建、评估与优化 AI 系统。包含评估、RAG、代理、微调、合成数据生成、数据集管理、MCP 等。

Mimesis 是一个用于生成伪造但真实资料的 Python 函式库，支持多语言与地区设置

用于生成逼真训练图像的 Blender 程序流程管线

面向表格数据的合成数据生成

Distilabel 是一个基于已验证研究论文的合成数据与 AI 反馈框架，专为需要快速、可靠且具扩展性流水线的工程师设计。

Python 因果与概率推理工具包

合成患者群体模拟器

SDG 是一个专门设计用于生成高质量结构化表格数据的框架。

UnrealCV：将计算机视觉连接到 Unreal Engine

🎨 NeMo Data Designer：从头开始或从种子数据生成高质量的合成数据。

数据库匿名化与测试数据管理

用于后训练与结构化数据提取的合成数据策展

用于表格与时间序列数据的合成数据生成器

使用 AI 模型构建、丰富与转换数据集，全程无需代码

用于生成综合表格数据的条件式 GAN。

声明式数据生成器

使用模拟、逼真合成互动来全面诊断与优化 agent 的框架

DataDreamer：提示、生成合成数据、训练与对齐模型。

Synthadoc：一个开源的 LLM 知识编译引擎，可将原始文件转换为结构化的本地优先 Wiki。这是传统 RAG 的透明且人类可读的替代方案，无需使用任何工具即可进行自我管理与自我改进。

在单一管线中生成高质量合成数据、训练、测量与评估

[ICLR 2025] 通过提示已对齐的 LLMs 从零开始进行对齐数据合成。您的高效且高质量合成数据生成管线！

一个无需 GPT 即可为您的数据生成合成指令微调数据集的轻量级库。

言语化采样 (Verbalized Sampling) 是一种免训练的提示策略，通过要求附带概率的响应来缓解 LLM 中的模式崩溃。在维持质量的同时实现 2-3 倍的多样性提升。具备 CLI/API 的模型无关框架，适用于创意写作、合成数据生成与对话模拟。

合成数据 SDK ✨

MAMMA 的官方代码：无标记精确多人动作捕获。

随手可得的合成架构与知识图谱可配置生成工具

用于生成与评估合成表格数据以确保隐私、公平性及进行数据增强的库。

使用 Copula 模型化多变量资料的函式库