
本儲存庫包含 M-IFEval(多語言指令遵循評測)的原始碼與資料。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
12
±0 (10月13日〜)
最後提交
2025年7月
GitHub 建立日期
2024年7月26日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 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 | — |
| 2026年9月 | 12 |
| 2026年10月 | 12 |
| 2026年11月 | 12 |
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
lm-evaluation-harnessEleutherAI14k用於語言模型少樣本評測的框架。
mtebembeddings-benchmark3.4kMTEB:跨語言與跨模態的最先進嵌入評測。
sacrebleumjpost1.3k自動下載測試集並輸出版本字串以便於跨實驗室比較的參考 BLEU 實作。
xtremegoogle-research650XTREME 是一個用於評測預訓練多語言模型跨語言泛化能力的基準,涵蓋40種類型多樣的語言,包含九項任務。
pawsgoogle-research-datasets572該資料集包含108,463個人工標註對和656k個含雜訊標註對,用以體現在釋義識別問題中,對結構、上下文與詞序資訊進行建模的重要性。
massivealexa572面向 MASSIVE 資料集的工具與建模程式碼。
研究領域相近的資源
- ELYZA-tasks-100elyza2k一個包含 100 筆樣本的日本語 instruction‑tuning 評估資料集,內含標註任務——從摘要校正、數學推理到翻譯、創意生成及使用者意圖理解——設計用於手動或自動 5‑point rating 的 fine‑tuned models 評估。HF 資料集共同: 語料庫與資料集・評測與基準
- JMMLUnlp-waseda1kJMMLU 是一個日本大型多任務語言理解基準,包含 7,536 個由教師精心編寫的問題,涵蓋 56 個科目,包含專業醫學、心理學、會計、哲學,以及多種高中學科。HF 資料集共同: 語料庫與資料集・評測與基準
url-nlp (MGSM)google-research279MGSM 是論文《Language models are multilingual chain-of-thought reasoners》中提出的小學數學題基準。共同: 語料庫與資料集・評測與基準
xl-sumcsebuetnlp279本儲存庫包含發表於 Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021 的論文《XL-Sum: Large-Scale Multilingual Abstractive Summarization for 44 Languages》的程式碼、資料與模型。共同: 語料庫與資料集・評測與基準- qg_jaquadlmqg494Japanese JaQuAD(QG‑Bench 的子集)提供句子級和段落級資料,並以高亮顯示答案 token,用於訓練日語提問生成模型,評估指標包括 BLEU4、METEOR、ROUGE‑L、BERTScore 與 MoverScore。HF 資料集共同: 語料庫與資料集・評測與基準
pfgen-benchpfnet-research110首選世代基準GitHub共同: 語料庫與資料集・評測與基準