Data-Juicer ist ein ganzheitliches, multimodalitätfähiges Datenverarbeitungssystem, das darauf ausgerichtet ist, qualitativ hochwertigere, umfassendere und leichter verarbeitbare Daten für große Sprachmodelle (LLMs) bereitzustellen. Es bietet eine systematische und wiederverwendbare Datenverarbeitungsbibliothek, unterstützt die gemeinsame Entwicklung von Daten und Modellen, ermöglicht schnelle Iterationen durch ein Sandbox-Labor und bietet Funktionen wie Daten- und modellbasierte Feedbackschleifen, Visualisierungen und mehrdimensionale automatische Bewertungen. Dies hilft Nutzern, ihre Daten und Modelle besser zu verstehen und zu verbessern. Data-Juicer wird aktiv weiterentwickelt und gewartet, wobei regelmäßig neue Funktionen, Datenrezepte und Datensätze hinzugefügt werden.