Git Stars Git Stars

#synthetic-data-generation 仓库

探索 57 个标记为 #synthetic-data-generation 的活跃开源 GitHub 仓库,它们累计获得 117,965 个 Star(平均每个项目 2,069 个)。该主题的领先项目是 huggingface/open-r1,拥有 26,483 个 Star。

57
仓库总数
117,965
总星标数
2,069
平均每个仓库星标数
1
huggingface/open-r1

DeepSeek-R1 的完整复现

huggingface
⭐ 26,483 Python 👤 huggingface Organization 🕐 已更新 2026-10-26 📅 创建时间 2025-01-24
2
microsoft/TinyTroupe

LLM驱动的多主体角色模拟,用于增强想象力和商业洞察。

microsoft
⭐ 7,700 Jupyter Notebook 👤 microsoft Organization 🕐 已更新 2026-11-06 📅 创建时间 2024-03-25
4
simplescaling/s1

s1: 简单的测试时间缩放

simplescaling
⭐ 6,656 Python 👤 simplescaling Organization 🕐 已更新 2025-06-25 📅 创建时间 2025-02-01
5
PrimeIntellect-ai/verifiers

我们的强化学习环境和评估库

PrimeIntellect-ai
⭐ 4,797 Python 👤 PrimeIntellect-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-01-22
6
isaac-sim/IsaacSim

NVIDIA Isaac Sim™ 是 NVIDIA Omniverse 上的一款开源应用程序,用于在逼真的虚拟环境中开发、模拟和测试由 AI 驱动的机器人。

isaac-sim
⭐ 4,521 Python 👤 isaac-sim Organization 🕐 已更新 2026-11-16 📅 创建时间 2025-05-28
7
NVlabs/FoundationPose

[CVPR 2024 Highlight] FoundationPose: 新颖物体的统一6D姿态估计与跟踪

NVlabs
⭐ 3,707 Python 👤 NVlabs Organization 🕐 已更新 2026-04-29 📅 创建时间 2023-12-12
8
sdv-dev/SDV

表格数据的合成数据生成

sdv-dev
⭐ 3,607 Python 👤 sdv-dev Organization 🕐 已更新 2026-11-16 📅 创建时间 2018-05-11
9
NVlabs/FoundationStereo

[CVPR 2025 最佳论文提名] FoundationStereo:零样本立体匹配

NVlabs
⭐ 3,007 Python 👤 NVlabs Organization 🕐 已更新 2025-12-19 📅 创建时间 2024-12-12
10
dscripka/openWakeWord

一个注重性能和简洁性的开源音频唤醒词(或短语)检测框架。

dscripka
⭐ 2,963 Jupyter Notebook 👤 dscripka User 🕐 已更新 2025-12-30 📅 创建时间 2022-05-28
11
google-research/kubric

一个用于创建具有丰富注释(如实例分割掩码、深度图和光流)的半真实合成多对象视频的数据生成管道。

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 已更新 2026-05-21 📅 创建时间 2020-07-22
12
opendatalab/DocLayout-YOLO

DocLayout-YOLO:通过多样化的合成数据和全局到局部的自适应感知增强文档布局分析

opendatalab
⭐ 2,315 Python 👤 opendatalab Organization 🕐 已更新 2026-10-21 📅 创建时间 2024-10-14
13
apple-aiml-research/ml-hypersim

Hypersim:用于全面室内场景理解的超现实合成数据集

apple-aiml-research
⭐ 2,077 Python 👤 apple-aiml-research Organization 🕐 已更新 2026-09-11 📅 创建时间 2020-11-16
14
neulab/prompt2model

prompt2model - 根据自然语言指令生成可部署模型

neulab
⭐ 2,005 Python 👤 neulab Organization 🕐 已更新 2024-12-29 📅 创建时间 2023-03-27
15
DataArcTech/DataArc-SynData-Toolkit

DataArcTech的合成数据生成平台

DataArcTech
⭐ 1,787 Python 👤 DataArcTech Organization 🕐 已更新 2026-11-19 📅 创建时间 2025-11-21
16
NVIDIA/RULER

本仓库包含 RULER 的源代码:您的长上下文语言模型的真实上下文大小是多少?

NVIDIA
⭐ 1,641 Python 👤 NVIDIA Organization 🕐 已更新 2026-11-03 📅 创建时间 2024-04-09
17
open-gigaai/giga-world-0

GigaWorld-0:世界模型作为数据引擎赋能具身智能

open-gigaai
⭐ 1,619 Python 👤 open-gigaai Organization 🕐 已更新 2025-12-03 📅 创建时间 2025-11-25
18
tencent-ailab/persona-hub

论文“用10亿个虚拟人物扩展合成数据创建”的官方仓库

tencent-ailab
⭐ 1,585 Python 👤 tencent-ailab User 🕐 已更新 2025-02-19 📅 创建时间 2024-06-22
19
sdv-dev/CTGAN

用于生成合成表格数据的条件 GAN。

sdv-dev
⭐ 1,579 Python 👤 sdv-dev Organization 🕐 已更新 2026-11-16 📅 创建时间 2019-09-08
20
wasiahmad/Awesome-LLM-Synthetic-Data

关于LLM驱动的合成数据生成的阅读清单 🔥

wasiahmad
⭐ 1,538 👤 wasiahmad User 🕐 已更新 2025-06-05 📅 创建时间 2024-08-08
21
instructlab/instructlab

InstructLab 核心包。使用它与模型进行聊天,并执行 InstructLab 工作流,以使用自定义分类数据训练模型。

instructlab
⭐ 1,415 Python 👤 instructlab Organization 🕐 已更新 2026-03-30 📅 创建时间 2024-02-21
22
facebookresearch/Replica-Dataset

https://arxiv.org/abs/1906.05797 中发布的 Replica Dataset v1。

facebookresearch
⭐ 1,202 C++ 👤 facebookresearch Organization 🕐 已更新 2024-07-22 📅 创建时间 2019-02-08
23
NVlabs/Deep_Object_Pose

深度对象姿态估计 (DOPE) – ROS 推理 (CoRL 2018)

NVlabs
⭐ 1,175 Python 👤 NVlabs Organization 🕐 已更新 2025-08-06 📅 创建时间 2018-10-12
25
IBM/Dromedary

Dromedary:致力于打造有益、合乎伦理且可靠的大型语言模型。

IBM
⭐ 1,136 Python 👤 IBM Organization 🕐 已更新 2025-09-18 📅 创建时间 2023-05-03
26
NVIDIA-NeMo/Skills

一个提升大型语言模型能力的改进项目

NVIDIA-NeMo
⭐ 1,065 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-18 📅 创建时间 2024-02-11
27
SalesforceAIResearch/promptomatix

大语言模型的自动提示优化框架

SalesforceAIResearch
⭐ 979 Python 👤 SalesforceAIResearch Organization 🕐 已更新 2026-06-02 📅 创建时间 2025-07-08
28
oh-my-ocr/text_renderer

为训练深度学习 OCR 模型生成文本行图像

oh-my-ocr
⭐ 913 Python 👤 oh-my-ocr Organization 🕐 已更新 2026-05-17 📅 创建时间 2020-06-18
29
microsoft/FaceSynthetics

人脸合成数据集

microsoft
⭐ 895 👤 microsoft Organization 🕐 已更新 2025-07-08 📅 创建时间 2021-08-12
30
tangqiaoyu/ToolAlpaca

“ToolAlpaca: Generalized Tool Learning for Language Models with 3000 Simulated Cases” 的官方代码

tangqiaoyu
⭐ 884 Python 👤 tangqiaoyu User 🕐 已更新 2024-10-26 📅 创建时间 2023-06-14
31
haosulab/SAPIEN

SAPIEN具身智能平台

haosulab
⭐ 872 C++ 👤 haosulab Organization 🕐 已更新 2026-11-21 📅 创建时间 2020-03-16
32
zju3dv/pvnet

"PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral 的代码

zju3dv
⭐ 869 Jupyter Notebook 👤 zju3dv Organization 🕐 已更新 2024-07-15 📅 创建时间 2018-12-27
33
nvidia-cosmos/cosmos-transfer1

Cosmos-Transfer1 是一个从世界到世界的传输模型,旨在弥合模拟环境与现实世界环境之间的感知鸿沟。

nvidia-cosmos
⭐ 830 Python 👤 nvidia-cosmos Organization 🕐 已更新 2026-10-15 📅 创建时间 2025-03-02
35
metabase/dataset-generator

AI 数据集生成器 – 为演示、学习和仪表板创建真实数据集

metabase
⭐ 765 TypeScript 👤 metabase Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-06-12
36
stanford-futuredata/ARES

RAG系统的自动化评估

stanford-futuredata
⭐ 711 Python 👤 stanford-futuredata Organization 🕐 已更新 2025-03-28 📅 创建时间 2023-09-27
37
YoYo000/BlendedMVS

BlendedMVS:用于广义多视图立体网络的大规模数据集

YoYo000
⭐ 690 👤 YoYo000 User 🕐 已更新 2026-10-03 📅 创建时间 2019-11-22
38
syncora-ai/syncora-benchmarks

轻量级、即插即用的合成数据基准测试套件。通过导入 CSV 文件,将 Syncora 与其他生成器(例如 Gretel、MostlyAI)进行比较,然后自动计算保真度和相似性指标。通过简单的文件名约定适用于任何数据集,无需繁琐的设置。

syncora-ai
⭐ 678 Jupyter Notebook 👤 syncora-ai User 🕐 已更新 2025-08-11 📅 创建时间 2025-07-31
40
syncora-ai/synthetic-personality-dataset

内向型与外向型性格建模的合成数据集和笔记本(隐私安全,ML就绪)。

syncora-ai
⭐ 667 Jupyter Notebook 👤 syncora-ai User 🕐 已更新 2025-08-25 📅 创建时间 2025-07-31
41
sdv-dev/Copulas

一个使用copula建模多变量数据的库。

sdv-dev
⭐ 658 Python 👤 sdv-dev Organization 🕐 已更新 2026-11-16 📅 创建时间 2017-11-13
42
syncora-ai/Synthetic-AI-Developer-Productivity-Dataset

高保真合成数据集,捕获 AI 开发人员的生产力指标 — 包括专注时长、任务完成率和倦怠指标。隐私安全,非常适合 ML 和工作流分析。

syncora-ai
⭐ 657 Jupyter Notebook 👤 syncora-ai User 🕐 已更新 2025-09-04 📅 创建时间 2025-07-31
43
dotnet/eShopSupport

使用 AI 构建的客户支持票务系统的参考 .NET 应用程序

dotnet
⭐ 650 JavaScript 👤 dotnet Organization 🕐 已更新 2025-05-16 📅 创建时间 2024-04-30
45
onyx-dot-app/EnterpriseRAG-Bench

用于公司内部文档RAG的数据集和基准。

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 已更新 2026-09-03 📅 创建时间 2026-02-19
47
syncora-ai/syncora-docs

Syncora.ai 文档

syncora-ai
⭐ 633 MDX 👤 syncora-ai User 🕐 已更新 2025-07-31 📅 创建时间 2025-07-29
49
vb000/LookOnceToHear

一种用于耳机实时语音提取的新型人机交互方法。

vb000
⭐ 615 Python 👤 vb000 User 🕐 已更新 2026-07-22 📅 创建时间 2024-05-10
50
sixgpt/miner

SixGPT官方矿工

sixgpt
⭐ 611 Shell 👤 sixgpt Organization 🕐 已更新 2024-12-19 📅 创建时间 2024-10-06

常见问题解答

1

GitHub 上最受欢迎的 #synthetic-data-generation 仓库是什么?

GitHub 上排名第一的开源 #synthetic-data-generation 项目是 huggingface/open-r1,拥有 26,483 个 Star。DeepSeek-R1 的完整复现

2

#synthetic-data-generation 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #synthetic-data-generation 项目中,最常见的编程语言是 Python, Jupyter Notebook, C++, TypeScript。

3

#synthetic-data-generation 仓库的排名是如何计算的?

我们跟踪了 57 个标记为 #synthetic-data-generation 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 117,965 个 Star,平均每个仓库拥有 2,069 个 Star。排名每日根据 GitHub API 更新。