MNBVC（Massive Never-ending BT Vast Chinese corpus）是一个超大规模中文语料集，旨在收集各种形式的纯文本中文数据，包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词等。该数据集不仅涵盖主流文化，还包括各类小众文化及火星文，目标数据量达到40TB，目前进度为19.96%（7984GB），支持社区参与和协作。
Dflux是一个集成的数据科学平台，旨在提供无缝的数据探索、分析和模型开发体验。它帮助用户快速获取可操作的洞察，提升数据分析效率，支持各类数据任务。
Ainsys是一个提供无缝数据集成和同步的平台，可以将来自各种来源的数据集中到一个数据仓库中，用户无需技术专长即可轻松连接和访问数据。通过Ainsys，用户可以轻松转换和精炼数据，将其导出到所需工具中，并为业务获得有价值的洞察。
riverbed 是一个支持大规模数据挖掘和自然语言处理的工具集，提供多种高效的功能，帮助用户在复杂的数据环境中进行深入分析。
Cortados 是一个基于 Streamlit 的工具，允许用户轻松创建和部署数据科学及机器学习项目的Web应用。用户只需使用pip安装Cortados，编写所需功能的Python脚本，然后通过 'streamlit run' 命令运行该脚本，即可在浏览器中显示应用。
由Hugging Face、Argilla和开源机器学习社区共同合作的项目，旨在赋予开源社区共同构建有影响力的数据集的能力。
Docalysis是一个基于人工智能的聊天服务，允许用户与PDF文件进行互动。它能够读取和理解文档内容，快速准确地回答用户的问题。用户只需上传PDF文件，AI会分析并提取文本，用户可以基于提取的文本提出问题或输入关键词，Docalysis将提供即时响应和相关信息。
Shape 是一款连接您的数据库并准确回答数据相关问题的工具，它提供假设、警告、表格和 SQL 语句，降低了产品经理对数据的使用门槛。
LLime通过深入理解企业数据，设计个性化的AI助手，帮助提升团队生产力，推动数据驱动决策。
AI Collective是一个在线平台，允许用户访问所有领先的LLM（大型语言模型）和文本生成AI模型，旨在为用户提供多样化的AI工具和解决方案，提升工作效率和创造力。
ChatGPT 数据与分析项目提供了一系列提示，帮助用户高效学习和应用数据分析技能，结合ChatGPT的能力，用户能够轻松获得数据分析中的关键见解和技巧。
ChatGPT Data Science是一个针对数据分析师、数据工程师、Python开发者、量化分析师、机器学习科学家和数据科学家等各类数据专业人士的工具，适用于所有技能水平的用户。该项目提供了一系列高效的提示，帮助用户更好地处理数据任务，提高工作效率。
ChartPixel是一个创新的AI驱动工具，旨在快速有效地转换数据交互。它能在30秒内生成图表和洞察，简化复杂的数据解释过程，适合从学生到专业人士的广泛用户。
Poozle 正在构建票务 SaaS 工具的集成基础设施，提供一个 API，使公司能够同时集成多个工具，如 Github、Jira、Notion、Zendesk、Salesforce 等。支持大型语言模型（LLM）的集成，提供可扩展的API接口，灵活的插件系统，用户友好的界面，以及强大的社区支持和文档。
数据中心语言模型研究精选：汇总了数据为中心的语言模型研究领域内的趋势项目和优秀论文，包含大规模数据整理、数据质量评估、评估工具包等
smoltropix是为xjdr的entropix采样器提供MLX端口的项目，旨在模仿JAX的实现，支持高效的采样，并且易于集成和使用。
UniMoCap是一个社区实现，旨在统一文本-动作数据集（HumanML3D、KIT-ML和BABEL）以及全身动作数据集（Motion-X）。
Langfuse是一个旨在帮助开发者构建和管理AI应用程序的基础设施平台，提供了丰富的功能和工具，以简化AI模型的集成和部署。其目标是让AI开发变得更简单、高效，并降低技术门槛。
