
日本任务的llm评估项目
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
95
±0 (10月13日〜)
最后提交
2026年5月
GitHub 创建日期
2023年8月8日
收录日
2024年1月14日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 90 |
| 2026年1月 | 91 |
| 2026年2月 | 92 |
| 2026年3月 | 92 |
| 2026年4月 | 93 |
| 2026年5月 | 94 |
| 2026年6月 | 94 |
| 2026年7月 | 94 |
| 2026年8月 | 94 |
| 2026年9月 | 95 |
| 2026年10月 | 95 |
| 2026年11月 | 95 |
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
japanese-llm-rankingyuzu-ai50该存储库支持YuzuAI的Rakuda排行榜,该排行榜是日本LLMs的日本重点模拟版本,类似于LMSYS的Vicuna评估。
llm-jp-eval-mmllm-jp44这个工具会自动评估日本多模态大型语言模型在多个数据集上的表现。
japanese-llm-roleplay-benchmarkoshizo42这个存储库是为了评估日本语LLM角色扮演的性能而创建的。
gpt4-autoevalnorthern-system-service17使用GPT-4来自动评估语言模型的响应的脚本
IgakuQA119naoto-iwase10评估第119届日本医师执照考试上的LLMs
jp-tl-benchshisa-ai6双向日英翻译的锚定成对LLM评估
研究领域相近的资源
IgakuQAjungokasai52评估GPT-4和ChatGPT在日本医学执照考试中的表现共同: 大语言模型・评测与基准
japanese_llm_evallightblue-tech5用于评估日本语LLM的存储库共同: 大语言模型・评测与基准
pitchbenchshewiiii2实验性的基于日语声调的LLM基准共同: 大语言模型・评测与基准- jhumanevalkogi-jwu731JHumanEval 是 HumanEval 基准的人工翻译日语版本,提供 164 个 Python 编程问题,配有并行的英文和日文注释,用于评估日语 LLM 的代码生成,同时保留原始英文错误。HF 数据集共同: 大语言模型・评测与基准
- EDINET-BenchSakanaAI662EDINET‑Bench 是一个日本金融基准,用来评估 LLMs 在诸如会计欺诈检测、盈利预测和行业预测等任务,使用十年的 EDINET‑API 披露报告,提供构建和评估代码,并将数据集重新许可为 PDL 1.0。HF 数据集共同: 大语言模型・评测与基准
jmed-llmsociocom59JMED-LLM:用于大型语言模型的日本医学评估数据集共同: 大语言模型・评测与基准