#数据清洗

共 3 篇相关文章

Agnos是一款为AI准备干净文档的工具，支持PDF、Word、Excel、PPT和网页清洗，移除页眉页脚、页码、Cookie横幅等噪音，保留表格代码数字，本地运行不上传，导出JSONL或训练数据，14天免费试用后$99买断。

NVIDIA 公开 Nemotron 3.5 ASR 适配沙特方言的完整配方：SADA 2022 语料清洗保留 82.5% 数据，90% 方言加 7% 英语的重放混合让目标方言 WER 从 55.05% 降至 29.96%，同时英语与标准阿拉伯语几乎不受影响。数据清洗才是方言微调的质量杠杆。

深度解析Firecrawl开源项目：专为AI Agent设计的网页搜索、抓取与数据清洗工具，支持JavaScript渲染、智能内容提取和Markdown输出，是构建RAG系统和AI自动化应用的核心基础设施。