
用於評估日本語LLM的存儲庫 ・ 評估日本語LLM的存儲庫
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
5
±0 (10月13日〜)
最後提交
2024年4月
GitHub 建立日期
2024年3月28日
收錄日
2024年5月14日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 5 |
| 2026年1月 | 5 |
| 2026年2月 | 5 |
| 2026年3月 | 5 |
| 2026年4月 | 5 |
| 2026年5月 | — |
| 2026年6月 | 5 |
| 2026年7月 | 5 |
| 2026年8月 | 5 |
| 2026年9月 | 5 |
| 2026年10月 | 5 |
| 2026年11月 | 5 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
llm-leaderboardwandb95日本任務的llm評估項目
japanese-llm-rankingyuzu-ai50這個儲存庫支援YuzuAI的Rakuda排行榜,該排行榜是日本語言模型的日本專用版本,類似於LMSYS的Vicuna評估。
llm-jp-eval-mmllm-jp44這個工具會自動評估日本多模式大型語言模型在多個數據集上的表現。
japanese-llm-roleplay-benchmarkoshizo42這個存儲庫是為了評估日本語LLM的角色扮演性能而創建的。
gpt4-autoevalnorthern-system-service17使用GPT-4來自動評估語言模型的回應腳本
IgakuQA119naoto-iwase10評估第119屆日本醫學執照考試上的LLMs
研究領域相近的資源
IgakuQAjungokasai52評估GPT-4和ChatGPT在日本醫學執照考試上的表現共同: 大型語言模型・評測與基準
jp-tl-benchshisa-ai6錨定的成對LLM評估用於雙向日英翻譯共同: 大型語言模型・評測與基準
pitchbenchshewiiii2實驗性的基於日語聲調的LLM基準共同: 大型語言模型・評測與基準- jhumanevalkogi-jwu731JHumanEval 是手工翻譯的日本版 HumanEval benchmark,提供 164 個 Python 程式設計問題,並提供對應的英文與日文註解,旨在評估 Japanese-LLM 程式產生,同時保留原始英文錯誤。HF 資料集共同: 大型語言模型・評測與基準
- EDINET-BenchSakanaAI662EDINET‑Bench 是一個日本金融基準,評估 LLM 在會計欺詐檢測、盈餘預測以及產業預測等任務,使用十年的 EDINET‑API 公開報告。提供構建與評估代碼,資料集已重新授權為 PDL 1.0。HF 資料集共同: 大型語言模型・評測與基準
jmed-llmsociocom59JMED-LLM:大型語言模型的日本醫學評估數據集共同: 大型語言模型・評測與基準