
JFBench: 日本語指示に従うベンチマーク
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
15
±0 (10月13日〜)
最終コミット
2026年10月
GitHub での作成日
2026年1月27日
掲載日
2026年8月18日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | 15 |
| 2026年9月 | 15 |
| 2026年10月 | 15 |
| 2026年11月 | 15 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
同じカテゴリで人気のリソース
pfgen-benchpfnet-research110希望世代の基準
small_parallel_enjaodashi97機械翻訳ベンチマーク用の50k英日並列コーパス。
jmed-llmsociocom59JMED-LLM: 大規模言語モデル向けの日本医学評価データセット
japanese-llm-benchmarkshi3z53さまざまなLLMの日本語能力を評価するためのベンチマークツール。
JMMLUnlp-waseda45日本語マルチタスク言語理解ベンチマーク 日本語巨大マルチタスク言語理解ベンチマーク
japanese-toxic-datasetinspection-ai43「日本語毒性スキーマの提案と評価」は、日本語における毒性のスキーマとデータセットを提供します。
研究分野が近いリソース
lm-evaluation-harnessEleutherAI14k言語モデルのfew-shot評価のためのフレームワーク。多言語共通: コーパス・データセット・評価・ベンチマーク- ELYZA-tasks-100elyza2k注釈付きタスク(要約訂正、数学推論、翻訳、創造的生成、ユーザー意図理解など)を網羅した100サンプルの日本語インストラクション・チューニング評価データセット。微調整モデルを手動または自動で5点評価できるよう設計されている。HF データセット共通: コーパス・データセット・評価・ベンチマーク
sacrebleumjpost1.3kテストセットを自動ダウンロードし、研究機関間の比較を容易にするバージョン文字列を出力する、標準的な BLEU 実装。多言語共通: コーパス・データセット・評価・ベンチマーク
xtremegoogle-research650XTREME は、事前学習済み多言語モデルの言語横断的な汎化能力を評価するためのベンチマークで、類型的に多様な40言語をカバーし、9つのタスクを含む。多言語共通: コーパス・データセット・評価・ベンチマーク
pawsgoogle-research-datasets572このデータセットには、10万8,463件の人手ラベル付きペアと65万6,000件のノイズを含むラベル付きペアが含まれており、言い換え識別の課題において構造・文脈・語順情報をモデル化することの重要性を示している。多言語共通: コーパス・データセット・評価・ベンチマーク
massivealexa572MASSIVE データセット向けのツールとモデリングコード。多言語共通: コーパス・データセット・評価・ベンチマーク