RepoGuard
Обновлено 10 h ago
OpenDataLab

Organization

Публичный след на GitHub OpenDataLab

@opendatalab
Просмотреть профиль на GitHub

OpenDataLab provides access to numerous significant open-source datasets.

China

67

Публичные репозитории

90 614

Всего звезд

2 785

Подписчики

OpenDataLab активно использует GitHub для размещения своих проектов с открытым исходным кодом, предоставляя доступ к значительным наборам данных. Основные языки программирования, используемые в репозиториях, включают Python, TypeScript и HTML. Среди заметных проектов можно выделить MinerU и PDF-Extract-Kit.

Основные языки

Python 47TypeScript 6HTML 3JavaScript 1Jupyter Notebook 1

Публичные репозитории

MinerU

67 402

Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.

Python
Обновлено 13 июн. 2026 г.

PDF-Extract-Kit

9 718

A Comprehensive Toolkit for High-Quality PDF Content Extraction

Python
Обновлено 12 июн. 2026 г.

DocLayout-YOLO

2 185

DocLayout-YOLO: Enhancing Document Layout Analysis through Diverse Synthetic Data and Global-to-Local Adaptive Perception

Python
Обновлено 12 июн. 2026 г.

OmniDocBench

1 801

[CVPR 2025] A Comprehensive Benchmark for Document Parsing and Evaluation

Python
Обновлено 12 июн. 2026 г.

labelU

1 590

Open-source multimodal data annotation platform with AI auto-annotation support.

Python
Обновлено 12 июн. 2026 г.

LabelLLM

1 239

The Open-Source Data Annotation Platform

TypeScript
Обновлено 13 июн. 2026 г.

MinerU-Diffusion

597

A diffusion-based framework for document OCR that replaces autoregressive decoding with block-level parallel diffusion decoding.

Python
Обновлено 12 июн. 2026 г.

MinerU-Document-Explorer

585

Agent-native knowledge engine with MCP tools for document indexing, wiki organization, fast retrieval and deep reading across PDF/DOCX/PPTX/Markdown

TypeScript
Обновлено 12 июн. 2026 г.

WanJuan1.0

573

万卷1.0多模态语料

Неизвестный язык
Обновлено 9 июн. 2026 г.

magic-doc

550

Описание для этого репозитория не предоставлено.

Python
Обновлено 9 июн. 2026 г.

magic-html

535

Описание для этого репозитория не предоставлено.

Python
Обновлено 7 июн. 2026 г.

UniMERNet

483

UniMERNet: A Universal Network for Real-World Mathematical Expression Recognition

Python
Обновлено 11 июн. 2026 г.

MinerU-HTML

259

MinerU-HTML: An SLM-powered HTML main content extractor that outputs clean HTML bodies. Perfect for Deep Research Agents, RAG applications, and training data generation.

Python
Обновлено 12 июн. 2026 г.

Meta-rater

195

[ACL 2025 Best Theme Paper] This is the official implementation for the paper: "Meta-rater: A Multi-dimensional Data Selection Method for Pre-training Language Models"

Python
Обновлено 11 июн. 2026 г.

LOKI

179

[ICLR 2025 Spotlight] The official implementation of the paper “LOKI:A Comprehensive Synthetic Data Detection Benchmark using Large Multimodal Models”

Python
Обновлено 3 июн. 2026 г.

MinerU-Popo

164

Описание для этого репозитория не предоставлено.

Python
Обновлено 13 июн. 2026 г.

Earth-Agent

158

[ICLR 2026] The official implementation of the paper “Earth-Agent: Unlocking the Full Landscape of Earth Observation with Agents”

Python
Обновлено 11 июн. 2026 г.

labelU-Kit

154

Data annotation component library --provided as NPM packages

TypeScript
Обновлено 10 июн. 2026 г.

FakeVLM

150

[NeurIPS 2025 🔥] FakeVLM: Advancing Synthetic Image Detection through Explainable Multimodal Models and Fine-Grained Artifact Analysis

Python
Обновлено 9 июн. 2026 г.

opendatalab-datasets

145

datasets resource

Неизвестный язык
Обновлено 12 июн. 2026 г.

mineru-vl-utils

128

A Python package for interacting with the MinerU Vision-Language Model.

Python
Обновлено 11 июн. 2026 г.

laion5b-downloader

121

Описание для этого репозитория не предоставлено.

Python
Обновлено 19 апр. 2026 г.

MinerU-Ecosystem

118

Описание для этого репозитория не предоставлено.

Python
Обновлено 9 июн. 2026 г.

VHM

117

VHM: Versatile and Honest Vision Language Model for Remote Sensing Image Analysis

Python
Обновлено 8 июн. 2026 г.

HA-DPO

104

Beyond Hallucinations: Enhancing LVLMs through Hallucination-Aware Direct Preference Optimization

Python
Обновлено 24 мая 2026 г.

OHR-Bench

102

(ICCV 2025) OCR Hinders RAG: Evaluating the Cascading Impact of OCR on Retrieval-Augmented Generation

Python
Обновлено 3 июн. 2026 г.

VIGC

97

AAAI 2024: Visual Instruction Generation and Correction

Python
Обновлено 4 мая 2026 г.

MLS-BRN

89

[CVPR 2024] 3D Building Reconstruction from Monocular Remote Sensing Images with Multi-level Supervisions

Python
Обновлено 1 июн. 2026 г.

Vis3

87

Data browser based on s3. 一个基于 S3 的数据(json / jsonl / parquet / html / md等)可视化工具。👇 Try online.

TypeScript
Обновлено 1 июн. 2026 г.

skydiffusion

81

[ICCV 2025] The official implementation of the paper “Street-to-Satellite Image Synthesis with Diffusion Models and BEV Paradigm”

Python
Обновлено 29 мая 2026 г.

LEGION

78

[ICCV25 Highlight] The official implementation of the paper "LEGION: Learning to Ground and Explain for Synthetic Image Detection"

Python
Обновлено 27 мая 2026 г.

CiteVQA

68

Описание для этого репозитория не предоставлено.

Python
Обновлено 7 июн. 2026 г.

CLIP-Parrot-Bias

66

ECCV2024_Parrot Captions Teach CLIP to Spot Text

Python
Обновлено 19 нояб. 2025 г.

opendatalab-python-sdk

60

SDK of OpenDataLab - https://opendatalab.org.cn

Python
Обновлено 9 мая 2026 г.

MLLM-DataEngine

48

MLLM-DataEngine: An Iterative Refinement Approach for MLLM

Python
Обновлено 11 сент. 2025 г.

WanJuan3.0

46

WanJuan3.0(“万卷·丝路”)一个作为综合性的纯文本语料库,采集了多个国家地区的网络公开信息、文献、专利等资料,数据总规模超1.2TB,Token总数超过300B,处于国际领先水平,首期开源的语料库主要由泰语、俄语、阿拉伯语、韩语和越南语5个子集构成,每个子集的数据规模均超过150GB

Неизвестный язык
Обновлено 24 апр. 2026 г.

dsdl-docs

46

Data Set Description Language Specification (新一代人工智能数据集描述语言DSDL)

HTML
Обновлено 22 февр. 2026 г.

ProverGen

45

[ICLR 2025] This is the official implementation for the paper: "Large Language Models Meet Symbolic Provers for Logical Reasoning Evaluation"

Python
Обновлено 26 апр. 2026 г.

CHARM

45

[ACL 2024 Main Conference] Chinese commonsense benchmark for LLMs

Python
Обновлено 8 апр. 2026 г.

UrBench

37

[AAAI 2025]This repo contains evaluation code for the paper “UrBench: A Comprehensive Benchmark for Evaluating Large Multimodal Models in Multi-View Urban Scenarios”

Python
Обновлено 8 апр. 2026 г.

TRivia

34

(CVPR 2026) TRivia: Self-supervised Fine-tuning of Vision-Language Models for Table Recognition

Python
Обновлено 4 июн. 2026 г.

REST

34

Описание для этого репозитория не предоставлено.

Python
Обновлено 19 мая 2026 г.

image-downloader

30

Описание для этого репозитория не предоставлено.

Python
Обновлено 13 мая 2026 г.

Sciverse-Agent-Tools

27

Standardized tool schemas and SDKs that expose Sciverse Open Platform retrieval capabilities to LLM agents.

Python
Обновлено 11 июн. 2026 г.

RxnCaption

25

[CVPR 2026] SOTA Chemical Reaction Diagram Parsing Framework

Python
Обновлено 13 мая 2026 г.

labelbee

25

Описание для этого репозитория не предоставлено.

TypeScript
Обновлено 7 авг. 2024 г.

Miner-PDF-Benchmark

24

MPB (Miner-PDF-Benchmark) is an end-to-end PDF document comprehension evaluation suite designed for large-scale model data scenarios.

Python
Обновлено 2 февр. 2026 г.

mineru-tutorials

18

MinerU Training Camp course materials and tutorials

Неизвестный язык
Обновлено 1 июн. 2026 г.

awesome-markdown-ebooks

17

Описание для этого репозитория не предоставлено.

Неизвестный язык
Обновлено 14 мая 2026 г.

WebMainBench

16

WebMainBench is a high-precision benchmark for evaluating web main content extraction.

Python
Обновлено 20 апр. 2026 г.

CrossViewDiff

16

The official implementation of the paper "CrossViewDiff: A Cross-View Diffusion Model for Satellite-to-Street View Synthesis"

JavaScript
Обновлено 31 янв. 2026 г.

WanJuan2.0-WanJuan-CC

14

WanJuan-CC是以CommonCrawl为基础,经过数据抽取,规则清洗,去重,安全过滤,质量清洗等步骤得到的高质量数据。

Неизвестный язык
Обновлено 26 мая 2026 г.

PM4Bench

14

Описание для этого репозитория не предоставлено.

Python
Обновлено 24 июл. 2025 г.

dsdl-sdk

13

Описание для этого репозитория не предоставлено.

Jupyter Notebook
Обновлено 29 мая 2024 г.

OpenHuEval

12

Описание для этого репозитория не предоставлено.

Python
Обновлено 12 мая 2026 г.

MinerU-Webkit

10

Описание для этого репозитория не предоставлено.

HTML
Обновлено 9 июн. 2026 г.

labelU-frontend

9

LabelU front-end library

TypeScript
Обновлено 27 янв. 2026 г.

awesome-mineru

8

🕶️ A curated list of awesome things related to MinerU

Python
Обновлено 4 июн. 2026 г.

allz

7

A universal command line tool for compression and decompression

Python
Обновлено 3 июн. 2026 г.

MolRecBench-Wild

4

Описание для этого репозитория не предоставлено.

Python
Обновлено 5 июн. 2026 г.

CRaFT

4

[AAAI25] Certainty Represented Knowledge Flow for Refusal-Aware Instruction Tuning

Python
Обновлено 3 июл. 2025 г.

GRAIT

3

[NAACL25 findings] Gradient-Driven Refusal-Aware Instruction Tuning for Effective Hallucination Mitigation

Python
Обновлено 16 авг. 2025 г.

OmniDocLayout

2

[CVPR26 Highlight] The official implementation of the paper "OmniDocLayout: Towards Diverse Document Layout Generation via Coarse-to-Fine LLM Learning"

Неизвестный язык
Обновлено 12 июн. 2026 г.

.github

1

Описание для этого репозитория не предоставлено.

Неизвестный язык
Обновлено 27 мая 2026 г.

opendatalab.github.io

1

Описание для этого репозитория не предоставлено.

HTML
Обновлено 9 мая 2026 г.

labelU-ML

1

Описание для этого репозитория не предоставлено.

Python
Обновлено 6 янв. 2023 г.

rdkit

0

A forked repo of the official RDKit library

Неизвестный язык
Обновлено 8 янв. 2026 г.

Часто задаваемые вопросы

Что создает opendatalab на GitHub?

OpenDataLab создает различные инструменты для работы с открытыми данными, включая проекты, такие как MinerU и PDF-Extract-Kit. Эти репозитории направлены на упрощение извлечения и обработки информации из документов.

Какие языки программирования использует opendatalab?

OpenDataLab использует несколько языков программирования, среди которых Python, TypeScript, HTML и JavaScript. Эти языки помогают разработать функциональные и доступные инструменты для обработки данных.

Являются ли репозитории opendatalab публичными?

Да, все репозитории OpenDataLab являются публичными, что позволяет пользователям свободно получать доступ к их проектам и вносить свой вклад в развитие открытых данных.

Это раскрытие намеренно?

Следите за OpenDataLab с помощью RepoGuard и получайте уведомления в момент появления нового публичного репозитория.

Следить за этим аккаунтом