Databricks‑dolly‑15k‑ja dataset は、instruction tuning 用に作られた databricks‑dolly‑15k の日本語版で、DeepL で翻訳されました。日本の LLM‑jp プロジェクトが作成し、著者は Hirokazu Kiyomaru、Hiroshi Matsuda、Jun Suzuki、Namgi Han、Saku Sugawara、Shota Sasaki、Shuhei Kurita、Taishi Nakamura、Takashi Kodama、Takumi Okamoto です。
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)
203
Hugging Face の Like 数
18
掲載日
2024年5月13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 | 205 |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | 166 |
| 2026年4月 | 152 |
| 2026年5月 | 373 |
| 2026年6月 | 1,000 |
| 2026年7月 | 223 |
| 2026年8月 | 176 |
| 2026年9月 | 126 |
| 2026年10月 | 194 |
| 2026年11月 | 203 |
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
- 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: アノテーション・データセット構築
- 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: アノテーション・データセット構築
- 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: アノテーション・データセット構築
- 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: アノテーション・データセット構築
llm-jp-corpusllm-jp49このリポジトリには、LLM-jpコーパスを再現するためのスクリプトが含まれています。GitHub共通: アノテーション・データセット構築- oasst1-21k-jallm-jp271oasst1‑21k‑ja は、DeepL によって英語版 OASST1 サブセットから派生した日本語の instruction‑tuning データセットであり、LLM‑jp コラボレーティブプロジェクトにより日本で作成されました。お問い合わせは llm‑jp@nii.ac.jp、著者には Kiyomaru、Matsuda、Suzuki、Han、Sugawara、Sasaki、Kurita、Nakamura、Kodama、Okamoto が含まれます。共通: アノテーション・データセット構築