该项目旨在记录和修正评估数据集中的错误，提供了报告个别样本问题和整个数据集问题的方法，帮助用户提高数据集的质量和可靠性。
AtomGPT是基于LLaMA的模型架构，通过从零开始训练，旨在展示模型的进化过程及学习能力的提升，帮助研究人员深入理解模型的学习过程。
Anomalo是一个数据质量监控平台，利用自动化的人工智能技术，能够快速检测数据质量问题并理解其根本原因，帮助用户在问题发生之前进行预警和处理。
FieldDay是一个平台，使任何人都可以创建视觉AI。用户可以根据自己的专业知识收集定制数据集，通过迭代训练完善算法，最后将AI模型与自己喜欢的工具或工作流程集成。
Pipl.ai是一个前沿的平台，旨在通过集成先进的AI技术，优化企业的冷邮件推广活动，提高邮件送达率，特别适合市场营销人员、销售团队及各类企业。
本项目研究大型视觉数据集中存在的偏见，旨在为数据集创建者提供洞察，促进数据集的公平性提升。
