525k エントリの ApolloCorpus 医療データセットを日本語に自動翻訳し、医療向け LLM 用に品質検査済みの指示チューニングセットを提供します(翻訳エラーがある可能性があります)。
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)
102
Hugging Face の Like 数
4
掲載日
2024年5月13日
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
- AnswerCarefullyllm-jp644AnswerCarefully Datasetは、商業利用または非商業利用のLLM安全向上のために日本語および多言語データを提供し、他の使用(安全迂回を含む)を禁止し、帰属を伴う派生作品を許可し、害やサービス変更に対する非責任の創作者免責事項を付帯しています。共通: 大規模言語モデル(LLM)・コーパス・データセット
- llm-japanese-datasetizumi-lab572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。共通: 大規模言語モデル(LLM)・コーパス・データセット
- oasst2-33k-jallm-jp551LLM‑jpは、英語サブセット oasst2(kunishou/oasst2‑135k‑ja から派生)の DeepL 翻訳による日本語指示チューニングデータセットを提供し、Kiyomaru と Kodama によってコンパイルされています。共通: 大規模言語モデル(LLM)・コーパス・データセット
- JGLUEllm-book546『Large Language Model Introduction』で使われるJGLUE datasetのデータセットカード。元のリポジトリ (original repo) から取得し、コードはCC BY‑SA 4.0でライセンス、データは配布者のライセンスに基づく。Kurihara & Kawahara(日本語)を引用し、Shunsuke Kitada’s repository をベースに構築。共通: 大規模言語モデル(LLM)・コーパス・データセット
- scaling-data-constrained-llmsllm-jp402日本語と英語のウェブコーパスの集合体―9 Bトークンの日本語セット(JA‑WEB‑9B)、63 Bトークンの英語および日本語セット(EN‑WEB‑63B、JA‑WEB‑63B)や、パラフレーズされた JA‑PARAPHRASE‑63B、指示スタイルの JA‑INSTRUCT‑63B、翻訳済みの JA‑TRANSLATE‑63B などの合成バージョン―を含む。このコーパスは、データ制約環境下で日本語LLMの事前学習におけるデータ拡張を研究するために使用されます。共通: 大規模言語モデル(LLM)・コーパス・データセット
- kaken-trans-ja-enhpprc358日本語テキストは llm-jp-corpus-v3 の kaken サブセットから抽出され、Qwen/Qwen2.5-32B-Instruct で英訳されました。このデータは CC‑BY 4.0 ライセンスの下で公開され、元のデータセットの条件を継承しています。共通: 大規模言語モデル(LLM)・コーパス・データセット