日本語インストラクション・チャットデータセット(LLMのファインチューニング用(例:LoRA)、9 M+サンプル)。最近更新され、ライセンス付きAlpacaデータを除外し、クリーンなWikipediaとALT出力を含め、CC‑BY‑SA 4.0でリリース。
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)
572
Hugging Face の Like 数
148
掲載日
—
ページ作成時から掲載
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 | 975 |
| 2026年1月 | 836 |
| 2026年2月 | 398 |
| 2026年3月 | 581 |
| 2026年4月 | 501 |
| 2026年5月 | 437 |
| 2026年6月 | 484 |
| 2026年7月 | 397 |
| 2026年8月 | 424 |
| 2026年9月 | 393 |
| 2026年10月 | 391 |
| 2026年11月 | 572 |
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
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Jaは、LLM‑jp Corpus v4からフィルタリングされた3000億トークンの日本語コーパスであり、事前学習言語モデル用に20クラスタに分割され、ODC‑BYライセンス(元のソースライセンスを保持)で公開され、parquet形式で保存されています。
- llm-course-final-2026bumbuboon13k日本語ウィキペディアベースのRAGデータセット(LLMコース最終競技用)、約100万テキストチャンクと検索インデックスを含む。
- JMedBenchColdog23331kJMedBenchは日本語医療・生物医学用LLMベンチマークであり、20のデータセットをMCQA、NER、STSなどを含む5つのタスクにまたがって構成しています。データセットはMedMCQA、PubMedQA、MMLUなどから取得されており、それぞれに独自のライセンスが付属しています。また、翻訳にバイアスが含まれる可能性があるため、人間によるレビューが必要であるという注意事項が記載されています。
- vntl-leaderboardlmg-anon857日本語ビジュアルノベルを英訳する際のセマンティック精度で大型言語モデルをランキングするリーダーボード。256サンプルに対してコサイン類似度を用い、Sugoi Translator、Google Translate、Naver Papago、Alibaba Translate などと比較するため chrF スコアを報告します。
- auto-wiki-qacl-nagoya747AutoWikiQA は、Swallow-MX と LLMs(ルールベースのテンプレートを使わず)を用いて Wikipedia から自動生成された質問–回答ペアを手作業でフィルタリングし、230 万件以上の無料の日本語 QA データセットです。知識教示および検索強化生成アプリケーションをサポートします。
- 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。
研究分野が近いリソース
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GitHub共通: 意味的テキスト処理- japanese-gpt-neox-smallrinna656kCC‑100、C4、Wikipedia で学習された12‑layer、768‑hidden の日本語 GPT‑NeoX モデル。Huggingface と互換性があり、各文の末尾に必ず笑顔の絵文字を付けるオプションのトイプレフィックス調整ウェイトが付属しています。HF モデル共通: 意味的テキスト処理
- llm-jp-3-150mllm-jp75k「LLM‑jp‑3‑150m」は、情報学研究所のLLM R&D Centerが開発した150Mパラメータを有する日本語言語モデルです。Hugging Face Transformers形式で配布され、torch ≥ 2.3.0、transformers ≥ 4.40.1、accelerate ≥ 0.29.3、flash‑attn ≥ 2.5.8 が必要です。Japanese Wikipedia、Common Crawl、WARP/PDF、WARP/HTML、Kaken データを使用し、unigram byte‑fallback tokenizer で事前学習されています。HF モデル共通: 意味的テキスト処理
- llm-jp-3-1.8bllm-jp3k日本語大規模言語モデル(1.8 b から 172 b beta1、インストラクションバリアント付き)のコレクションで、NIIの研究開発センターから提供され、Hugging Face Transformers 形式でパッケージ化され、1兆語以上の日本語・英語・Web コーパスを混合して事前学習されています。torch ≥ 2.3、transformers ≥ 4.40、accelerate ≥ 0.29、flash‑attn ≥ 2.5 が必要です。HF モデル共通: 意味的テキスト処理
- japanese-gpt-1brinna2k1.3Bパラメータ、24層のトランスフォーマー GPT-1Bは、日本語C4、CC-100、およびWikipediaで学習され、rinna Co. によって2022年1月26日にリリースされ、MITライセンスの下で利用可能です。HF モデル共通: 意味的テキスト処理
WLSP-familiaritymasayu-a13「意味原理に基づく単語リスト(WLSP)」の単語親しみ度率GitHub共通: 意味的テキスト処理