
このプロジェクトは、さまざまなビジョン言語モデル(VLMs)のパフォーマンスを評価および比較するためのベンチマークツールです。モデルのパフォーマンスを測定するために、LLaVA-Bench-In-the-WildとJapanese HERON Benchの2つのデータセットを使用しています。
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
2024年12月
GitHub での作成日
2024年6月12日
掲載日
2024年10月13日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 6 |
| 2026年1月 | 6 |
| 2026年2月 | 6 |
| 2026年3月 | 6 |
| 2026年4月 | 6 |
| 2026年5月 | 6 |
| 2026年6月 | 6 |
| 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
JaSPICEYuigaWada9JaSPICE:画像キャプショニングモデルの述語引数構造を使用した自動評価メトリック
simple-evals-mmllm-jp6英語と日本語のベンチマークでビジョン言語モデルを評価するための軽量ライブラリ。
eval_vertical_jallm-jp3縦書き日本語テキストにおけるマルチモーダル大規模言語モデルの評価
jp-ocr-evaluationyoshino1日本語の文章画像に対するOCRの性能を評価
manga-ocrkha-white2.8k日本語のマンガを中心に、光学文字認識についての説明。
mokurokha-white1.8kブラウザ内で選択可能なテキストで日本のマンガを読む。
研究分野が近いリソース
swallow-evaluation-instructswallow-llm34Swallowプロジェクト 事後学習ずみ大規模言語モデル 評価フレームワーク共通: 言語モデル- japanese-reranker-cross-encoder-small-v1hotchpotch156k日本語でトレーニングされた CrossEncoder リランクラーは xsmall (384) から large (1024) まであり、さらに BGE‑v2‑m3‑v1 モデルも含まれます。ファインチューニング、推論、JQaRA、JaCWIR、MIRACL、JSQuAD のベンチマークスコアの例コードが付属しています。HF モデル共通: 言語モデル
- japanese-reranker-cross-encoder-xsmall-v1hotchpotch16kJapanese CrossEncoderリランカーモデルは、xsmall から large(BGE を含む)まであり、JQaRA、JaCWIR、MIRACL、JSQuAD で評価済み。sentence_transformers と HuggingFace 用の、すぐに利用可能な統合例も用意されています。HF モデル共通: 言語モデル
- Llama-3.1-Swallow-8B-Instruct-v0.3tokyotech-llm5kLlama 3.1 Swallowは、継続的なプレトレーニングと日本語特有のインストラクションファインチューニングで訓練された8B / 70B Llama 3.1モデルの日本語強化シリーズです。最新の8B‑Instruct‑v0.3は、日本語MT‑Benchで最先端の結果を示しています。HF モデル共通: 言語モデル
- Llama-3-ELYZA-JP-8Belyza4kLlama‑3‑ELYZA‑JP‑8B は、ELYZA によって開発された日本語強化版で、8 billion パラメータ(80億)を持つ Llama 3 モデルで、Meta‑Llama‑3‑8B‑Instruct 上で日本語用に微調整されています。HF モデル共通: 言語モデル
pretrained_doc2vec_jayagays25日本語のWikipediaに事前学習されたdoc2vecモデル共通: 言語モデル