
首选的一代基准
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
110
+1 (10月13日〜)
最后提交
2026年8月
GitHub 创建日期
2024年12月11日
收录日
2026年8月18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 | — |
| 2026年7月 | — |
| 2026年8月 | 108 |
| 2026年9月 | 109 |
| 2026年10月 | 110 |
| 2026年11月 | 110 |
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
small_parallel_enjaodashi9750k英日平行语料库,用于机器翻译基准测试。
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。
JMMLUnlp-waseda45日本語大规模多任务语言理解基准测试
japanese-toxic-datasetinspection-ai43《日本毒性模式的提案和评估》提供了一个日语毒性模式和数据集。
EDINET-BenchSakanaAI37[ICLR 2026] 评估LLMs在日本具有挑战性的金融任务上的表现。
研究领域相近的资源
lm-evaluation-harnessEleutherAI14k用于语言模型少样本评测的框架。多语言共同: 语料库与数据集・评测与基准- ELYZA-tasks-100elyza2k一个包含100个样本的日语指令微调评估数据集,包含已注释的任务——从摘要校正、数学推理到翻译、创意生成和用户意图理解——旨在对微调模型进行手动或自动的5分制评分。HF 数据集共同: 语料库与数据集・评测与基准
sacrebleumjpost1.3k自动下载测试集并输出版本字符串以便于跨实验室比较的参考 BLEU 实现。多语言共同: 语料库与数据集・评测与基准
xtremegoogle-research650XTREME 是一个用于评测预训练多语言模型跨语言泛化能力的基准,涵盖40种类型多样的语言,包含九项任务。多语言共同: 语料库与数据集・评测与基准
pawsgoogle-research-datasets572该数据集包含108,463个人工标注对和656k个含噪声标注对,用以体现在释义识别问题中,对结构、上下文与词序信息进行建模的重要性。多语言共同: 语料库与数据集・评测与基准
massivealexa572面向 MASSIVE 数据集的工具与建模代码。多语言共同: 语料库与数据集・评测与基准