由手工从政府网站提取的日本 FAQ 数据集,采用 CC-BY-4.0 许可,旨在用于大型语言模型的指令调优和 RAG 测试,提供高质量问答对及来源 URL。
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)
169
Hugging Face 点赞数
30
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 | 193 |
| 2026年1月 | — |
| 2026年2月 | 130 |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | 163 |
| 2026年6月 | — |
| 2026年7月 | 108 |
| 2026年8月 | 139 |
| 2026年9月 | 162 |
| 2026年10月 | 310 |
| 2026年11月 | 169 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- llm-course-final-2026bumbuboon13k基于日语维基百科的LLM课程期末竞赛RAG数据集,包含约100万文本块和搜索索引。
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Ja 是一个300 亿标记的日语语料库,从 LLM‑jp Corpus v4 过滤而来,分为20个簇用于预训练语言模型,以 ODC‑BY 许可证发布,保留原始来源许可,并以 parquet 格式存储。
- JMTEBsbintuitions3kJMTEB 是一个日本文本嵌入基准,包含 5 个任务(聚类、分类、STS、检索、再排序)和 28 个数据集,提供一行评估脚本,并邀请社区贡献。
- 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。
- vntl-leaderboardlmg-anon857一个排行榜,按语义准确度对大型语言模型进行排名,用于将日文视觉小说翻译成英文。该排行榜使用256个样本的余弦相似度,并报告 chrF 分数,以与 Sugoi Translator、Google Translate、Naver Papago 和 Alibaba Translate 等工具进行比较。
- 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。
研究领域相近的资源
- AnswerCarefullyllm-jp644AnswerCarefully Dataset提供日语和多语种数据,用于商业或非商业LLM安全增强,禁止任何其他用途——包括安全规避——允许带署名的衍生作品,并声明不承担因伤害或服务变更导致的责任。共同: 大语言模型・语料库与数据集
- llm-japanese-datasetizumi-lab572用于微调 LLMs(如 LoRA)的日语指令聊天数据集,包含 9 M+ 样本,最近已更新,删除授权的 Alpaca 数据,并清理了 Wikipedia 和 ALT 输出,采用 CC‑BY‑SA 4.0 许可证发布。共同: 大语言模型・语料库与数据集
- oasst2-33k-jallm-jp551LLM‑jp 提供了一个日语指令调优数据集,该数据集是 DeepL 翻译自 oasst2 的英文子集(来自 kunishou/oasst2‑135k‑ja),并由 Kiyomaru 和 Kodama 编译。共同: 大语言模型・语料库与数据集
- JGLUEllm-book546用于《大型语言模型简介》一书的 JGLUE 数据集数据卡,来源于原始仓库,代码采用 CC BY‑SA 4.0 许可证,数据按发行者的许可协议,引用 Kurihara & Kawahara(日本语),并基于 Shunsuke Kitada 的仓库构建。共同: 大语言模型・语料库与数据集
ja.text8Hironsan113用于词嵌入的日语文本8语料库。GitHub共同: 嵌入、检索与 RAG・语料库与数据集
JapaneseWordSimilarityDatasettmu-nlp103日语词语相似度数据集GitHub共同: 嵌入、检索与 RAG・语料库与数据集