一个已清理、去重的查询–段落数据集,用于 mqa 集合,采用 NFKC 正则化和噪声移除,其中 pos_ids 和 neg_ids 映射到集合索引以便轻松访问,按原始数据集条款授权。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
197
Hugging Face 点赞数
6
收录日
2024年5月13日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 415 |
| 2026年1月 | 141 |
| 2026年2月 | 179 |
| 2026年3月 | 287 |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | 161 |
| 2026年9月 | 176 |
| 2026年10月 | 122 |
| 2026年11月 | 197 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- 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。
- 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。
- JCommonsenseQAsbintuitions1kJCommonsenseQA 是一份日语的多项选择常识推理数据集——CommonsenseQA 的改编版本——其授权为 CC BY‑SA 4.0,并以 doi:10.5715/jnlp.30.63 引用。
- JMMMU-ProJMMMU1kJMMMU‑Pro 是一个基于图像的日语多模态基准,通过使用真实模型生成视觉问题并进行人工验证创建,揭示当前开源 LMM 在其上的表现不佳,并提供了一种成本效益高的未来 VQA 基准开发方法。
- embhpprc1k一份日语和多语种 QA、NLI 与同义句重述数据集的目录,详细说明每个数据集的检索或问答任务及其许可(Apache 2.0、CC‑BY‑SA/CC‑BY、MIT 等)。
- JMedBenchColdog23331kJMedBench 是一个日语生物医学 LLM 基准,涵盖 20 个数据集,覆盖五个任务(MCQA、NER、STS 等),来源于 MedMCQA、PubMedQA、MMLU 等,每个都有自己的许可,并包含一条说明:翻译可能包含偏差,需要人工审核。
研究领域相近的资源
- JaQuADSkelterLabsInc916JaQuAD 是 2022 年的日语 QA 数据集,包含 39,696 对 SQuAD‑style 的抽取式问题‑答案对,取自 Wikipedia,文件总大小 73.2 MB。使用 BERT‑Japanese 微调时,获得 78.92 % F1(63.38 % EM)。共同: 语料库与数据集・问答与推理
lawqa_jpdigital-go-jp279日本法律相关的多项选择问答数据集GitHub共同: 语料库与数据集・问答与推理
jrte-corpusmegagonlabs78日本现实文本蕴含语料库(NLP 2020,LREC 2020)GitHub共同: 语料库与数据集・问答与推理- JAQKETkumapo327一份日语开放域问答数据集JAQKET,提供了多项选择题风格的问答(v1.0)和自由文本答案生成(v2.0),v1.0包含13 061个训练样本和271个验证样本,v2.0包含2 154个训练样本和1 164个验证样本。共同: 语料库与数据集・问答与推理
JSICKverypluming46日语组合知识句子(JSICK)数据集/JSICK压力测试集GitHub共同: 语料库与数据集・问答与推理- JEMHopQAsbintuitions297日语多跳问答数据集(JEMHopQA),提供问题、答案和连接两篇维基百科文章的半结构化推导步骤,更新了推导格式,并在多个版本发布中扩展了答案集合。共同: 语料库与数据集・问答与推理