NeMo Curator数据清洗

技能简介

NeMo Curator专为高质量大模型训练数据设计，利用GPU并行加速文本、图像、视频、音频的预处理流程。集成模糊去重、语义聚类、敏感信息检测等模块，帮助企业从海量原始数据中提炼合规可用的训练语料。

能做什么

• 整理模型调用与提示流程
• 沉淀可复用的智能体能力
• 输出可接入业务的执行方案

使用说明

• 明确模型目标与输入边界。
• 配置提示流程和调用参数。
• 检查输出质量并做人工复核。

uv pip install "nemo-curator[text_cuda12]"

uv pip install "nemo-curator[all_cuda12]"

英文名

nemo-curator

输入与输出

见下方输入与输出表格。

风险提示

• 涉及外部平台接口、账号或权限时，先确认授权边界与数据访问范围。
• 自动生成或自动执行结果应保留人工复核，避免直接替代最终业务判断。
• 若处理内部资料、客户信息或经营数据，应先完成脱敏与权限控制。

来源信息

原始链接：https://github.com/Orchestra-Research/AI-Research-SKILLs
来源类型：GitHub 开源仓库