
医学LLM的三语(英语、日语、中文)QA基准
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
6
±0 (10月13日〜)
最后提交
2025年1月
GitHub 创建日期
2024年12月16日
收录日
2026年6月16日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | 6 |
| 2026年7月 | 6 |
| 2026年8月 | 6 |
| 2026年9月 | 6 |
| 2026年10月 | 6 |
| 2026年11月 | 6 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
jmed-llmsociocom59JMED-LLM:用于大型语言模型的日本医学评估数据集
japanese-llm-benchmarkshi3z53用于评估各种LLM的日语语言能力的基准工具。
EDINET-BenchSakanaAI37[ICLR 2026] 评估LLMs在日本具有挑战性的金融任务上的表现。
jemhopqaaiishii30JEMHopQA(日本可解释的多跳问题回答)是一个日本多跳QA数据集,可以评估内部推理。
Japanese-RP-BenchAratako25Japanese-RP-Bench是用于衡量LLM的日语角色扮演能力的基准。
do-not-answer-jakunishou242023年8月,墨尔本大学发布了安全性评估数据集“Do-Not-Answer”,现在已经将其自动翻译成日语,以便用于评估日语LLM,并根据日本文化进行了修正的数据集。
研究领域相近的资源
- JDocQA-Reasoningricoh-ai269由理光为GENIAC项目发布的日语基准测试JDocQA Reasoning Bench,使用自动化LLM-as-Judge评分,对LMM在复杂图表、表格和图解上的1,286道推理题进行评估。HF 数据集共同: 标注与数据集构建
- JGLUEshunk0313k更新了 JGLUE 数据集卡与加载脚本,适用于由 Yahoo Japan 与早稻田大学创建的日语 NLP 基准,涵盖文本分类(MARC‑ja、JCoLA)、句对分类(JNLI)以及问答(JSQuAD、JCommonsenseQA),发行链接保存在 GitHub 与 Hugging Face 上。HF 数据集共同: 标注与数据集构建
- JamC-QAsbintuitions2kJamC‑QA 是一个双语基准,涵盖八个日本文化与知识类别的多项选择题,排行榜指标用于比较最先进模型。HF 数据集共同: 标注与数据集构建
- auto-wiki-qacl-nagoya747AutoWikiQA 是最大的免费日语问答数据集,提供超过 230 万个手工过滤的问答对,这些对是使用 Swallow‑MX 和 LLMs(不使用基于规则的模板)从维基百科自动生成的,用于支持知识教学和检索增强生成应用。HF 数据集共同: 标注与数据集构建
- nri-fin-reasoningnri-ai707日语指令数据集,具有 632,636 条多轮样本(约 6.35 B 个 token),并包含 GPT‑OSS‑120b 的推理轨迹,用于跨 135 个金融主题和 20 个通用主题的开放式、数学、写作和 MCQA 任务,旨在微调 LLM 在金融领域的推理能力。HF 数据集共同: 标注与数据集构建
jmle2026-benchnaoto-iwase112026年2月7日至8日第120届日本医师执照考试上的LLM基准共同: 标注与数据集构建