Sarashina2.2 は、SB Intuitions が三段階パイプラインと合成データを用いて訓練した 0.5‑B、1‑B、および 3‑B の言語モデルを提供し、最高の日本語 QA、数学、およびコーディングスコアを達成し、指示調整されていない事前学習済みの重みを提供するが、偏った出力を生み出す可能性があります。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
1,000
Hugging Face の Like 数
16
掲載日
2025年12月15日
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | 37,000 |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | 1,000 |
| 2026年5月 | 1,000 |
| 2026年6月 | 3,000 |
| 2026年7月 | 2,000 |
| 2026年8月 | 1,000 |
| 2026年9月 | 2,000 |
| 2026年10月 | 4,000 |
| 2026年11月 | 1,000 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- sarashina2.2-3bsbintuitions2k3 ビリオンパラメータの日本語特化LLM、Sarashina2.2‑3Bは、合成数学/コーディングデータと小規模アプリケーションデータで微調整を含む三段階で訓練され、日本語QA・数学・コーディングベンチマークで大規模モデルを上回る性能を示すが、指示チューニングは欠如し、偏ったり意味不明な出力を生成する可能性がある。
- bert-base-japanese-char-v3tohoku-nlp130kJapanese‑language BERT‑Base (12 layers, 768‑dim, 12 heads)は、Unidic‑based word‑level plus character‑level tokenizationとwhole‑word maskingをCC‑100と2023 Wikipediaで事前学習し、7,027‑token vocabularyを生成する。
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large は CC‑100 と Wikipedia に対して訓練され、Unidic‑lite のワードレベルトークナイゼーションを使用し、WordPiece サブワードとホールワードマスクリングを採用しています(24 層、隠れ層 1024 次元、16 ヘッド、32k 語彙)。プリトレーニングコードは cl‑tohoku/bert‑japanese にあります。
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base(12層、768次元の隠れ層、12ヘッド、32k語彙)は、CC‑100と2023‑Jan Wikipediaで全単語マスキングを用いて事前学習され、Unidic 2.1.2の単語レベルトークナイゼーション+WordPieceを併用し、200万ステップで学習しました。
- kana-whispersbintuitions42kWhisper large‑v3‑turboをファインチューニングしたモデルで、日本語音声をカタカナに文字起こしするASRコンポーネントとして、Sarashina2.2‑TTSプロジェクト内のJoyo Kanji Yomi Benchmarkに使用され、Kana CER Usage With Transformersパイプラインを動かします。
- t5-base-japanese-v1.1sonoisa17k≈100 GB の Wikipedia と OSCAR CC‑100 データ(SentencePiece で 10:1 の混合、byte‑fallback を有する)で事前学習された日本語 T5‑v1.1 モデルで、下流タスクの微調整が必要です。転移学習サンプルコードが含まれ、出力に潜在的なバイアスを示唆しています。ライセンスは CC‑BY‑SA 4.0 です。
研究分野が近いリソース
japanese-nli-modelCyberAgentAILab6このリポジトリは、日本語NLIモデルのコードを提供しており、ファインチューニングされたマスク言語モデルです。GitHub共通: 質問応答・推論
jrte-corpus_examplemegagonlabs3日本の現実的なテキスト推論コーパスの例コードGitHub共通: 質問応答・推論- JCommonsenseQAsbintuitions1kJCommonsenseQA は、日本語の複数選択データセットで、CommonsenseQA の適応版として共通認識推論を対象にしています。CC BY‑SA 4.0 のライセンスの下で公開され、doi:10.5715/jnlp.30.63 として引用されています。HF データセット共通: 質問応答・推論
- embhpprc1k日本語および多言語のQA、NLI、パラフレーズデータセットのカタログで、各データセットの検索またはQAタスクとライセンス(Apache 2.0、CC‑BY‑SA/CC‑BY、MIT 等)を詳細に記載。HF データセット共通: 質問応答・推論
- JaQuADSkelterLabsInc916JaQuADは2022年作成の日本語QAデータセットで、Wikipediaから抽出した39,696ペアのSQuAD‑style抽出クエリで構成され、総サイズは73.2 MBです。BERT‑Japaneseでファインチューニングすると78.92 % F1(63.38 % EM)を達成します。HF データセット共通: 質問応答・推論