Data-Juicer est un système de traitement de données multimodales tout-en-un, conçu pour fournir des données de meilleure qualité, plus riches et plus faciles à assimiler aux grands modèles de langage (LLM). Il offre une bibliothèque de traitement de données systématique et réutilisable, prenant en charge le développement conjoint des données et des modèles. Il permet une itération rapide grâce à un laboratoire de bac à sable et fournit des fonctionnalités telles qu'une boucle de rétroaction basée sur les données et les modèles, une visualisation et une évaluation automatique multidimensionnelle, aidant ainsi les utilisateurs à mieux comprendre et améliorer leurs données et leurs modèles. Data-Juicer est activement mis à jour et maintenu, avec des améliorations et des ajouts réguliers de fonctionnalités, de recettes de données et de jeux de données.