
双方向日本語-英語翻訳のためのアンカードペアワイズLLM評価
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
6
±0 (10月13日〜)
最終コミット
2026年2月
GitHub での作成日
2025年2月19日
掲載日
2026年6月2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 | 7 |
| 2026年7月 | 6 |
| 2026年8月 | 6 |
| 2026年9月 | 6 |
| 2026年10月 | 6 |
| 2026年11月 | 6 |
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
llm-leaderboardwandb95日本のタスクのLLM評価プロジェクト
japanese-llm-rankingyuzu-ai50このリポジトリは、YuzuAIのラクダリーダーボードをサポートしています。ラクダリーダーボードは、LMSYSのビクーナ評価の日本に特化した類似物です。
llm-jp-eval-mmllm-jp44このツールは、複数のデータセットにわたって日本語のマルチモーダル大規模言語モデルを自動的に評価します。
japanese-llm-roleplay-benchmarkoshizo42このリポジトリは日本語LLMのキャラクターロールプレイに関する性能を評価するために作成しました。
gpt4-autoevalnorthern-system-service17GPT-4 を用いて、言語モデルの応答を自動評価するスクリプト
IgakuQA119naoto-iwase10第119回日本医師免許試験におけるLLMの評価
研究分野が近いリソース
IgakuQAjungokasai52日本の医師免許試験におけるGPT-4とChatGPTの評価共通: 大規模言語モデル(LLM)・評価・ベンチマーク
japanese_llm_evallightblue-tech5日本語LLMを評価するためのリポジトリ共通: 大規模言語モデル(LLM)・評価・ベンチマーク
pitchbenchshewiiii2実験的な日本語ピッチアクセントに基づくLLMベンチマーク共通: 大規模言語モデル(LLM)・評価・ベンチマーク- jhumanevalkogi-jwu731JHumanEval は HumanEval benchmark の手翻訳版で、164 の Python programming problems を提供し、並行した英語と日本語のコメント付きで、日本語‑LLM のコード生成を評価しつつ、元の英語のエラーを保持します。HF データセット共通: 大規模言語モデル(LLM)・評価・ベンチマーク
- EDINET-BenchSakanaAI662EDINET‑Bench は、10 年分の EDINET‑API 公開レポートを使用して、会計不正検出、収益予測、業界予測などのタスクで LLM を評価する日本の金融ベンチマークです。構築・評価コードが提供され、データセットは PDL 1.0 に再ライセンスされています。HF データセット共通: 大規模言語モデル(LLM)・評価・ベンチマーク
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共通: 大規模言語モデル(LLM)・評価・ベンチマーク