ChouBunは、Wikipedia記事、EDINETの証券報告書、および企業文書から構築された、日本語長文コンテキストベンチマークです。抽出型QA(wiki_qa, edinet_qa)と要約型サマリー(corp_sec_qa, corp_sec_sum)の2種類のタスクを備え、THUDM/LongBench形式に標準化され、最大32768トークンのコンテキストが利用可能です。
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)
103
Hugging Face の Like 数
10
掲載日
2024年10月22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 | 113 |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | 156 |
| 2026年8月 | — |
| 2026年9月 | — |
| 2026年10月 | — |
| 2026年11月 | 103 |
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
- 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。
- llm-jp-evalllm-book666『Introduction to Large‑Scale LLM II』で使用され、llm‑jp‑eval によって作成されたクロスデータセットの日本語LLM評価用のja‑vicuna‑qa‑benchmarkのデータセットカード(Apache 2.0)。
- JDocQA-Reasoningricoh-ai269リコーがGENIACプロジェクトのために公開した日本語ベンチマーク「JDocQA Reasoning Bench」は、複雑なチャート・表・図を用いた1,286問の推論問題でLMMを評価し、自動化されたLLM-as‑Judgeスコアリングを使用します。
- JGLUEshunk0313k日本語 NLP ベンチマーク(Yahoo Japan と早稲田大学が作成)に対する JGLUE データセットカードとロードスクリプトを更新しました。テキスト分類(MARC‑ja、JCoLA)、文対分類(JNLI)、QA(JSQuAD、JCommonsenseQA)をカバーし、リリースは GitHub と Hugging Face にリンクされています。
- JamC-QAsbintuitions2kJamC‑QA は、8つの日本文化・知識カテゴリにわたる多肢選択問題のバイリンガルベンチマークで、リーダーボードメトリクスで最先端モデルを比較します。
- JMMMU-ProJMMMU1kJMMMU‑Proは、現実的なモデルと人間による検証で視覚質問を生成して作成された画像ベースの日本語マルチモーダルベンチマークです。現在のオープンソースLMMがこのベンチマークで低い性能を示すことを明らかにし、将来のVQAベンチマーク開発に対して費用効果の高い方法を提供します。
研究分野が近いリソース
medLLM_QA_benchmarkaistairc6医療LLMのための英語、日本語、中国語の3か国語QA基準GitHub共通: 大規模言語モデル(LLM)・コーパス・データセット
belebelefacebookresearch339大規模多言語読解データセット Belebele のリポジトリ。多言語共通: コーパス・データセット・評価・ベンチマーク- 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。共通: 大規模言語モデル(LLM)・コーパス・データセット
tydiqagoogle-research-datasets319TyDi QA は、類型的に多様な11言語で作成された20万件の人手アノテーション付き質問応答ペアを収録し、回答を見ずかつ翻訳を用いずに作成されており、自動質問応答システムの学習・評価のために設計されている。このリポジトリは、このデータセット向けの評価コードとベースラインシステムを提供する。多言語共通: コーパス・データセット・評価・ベンチマーク- 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。共通: 大規模言語モデル(LLM)・コーパス・データセット
- nri-fin-reasoningnri-ai707日本語の指示データセットで、632,636 のマルチターンサンプル(約6.35 Bトークン)と、GPT‑OSS‑120b の推論トレースが含まれ、オープンエンド、数学、執筆、MCQA タスクで、135 の金融トピックと 20 の一般トピックを網羅し、LLM の推論を金融でファインチューニングするよう設計されています。共通: 大規模言語モデル(LLM)・コーパス・データセット