
2026年2月7日至8日第120屆日本醫學執照考試的LLM基準
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
11
±0 (10月13日〜)
最後提交
2026年3月
GitHub 建立日期
2026年2月25日
收錄日
2026年3月1日
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 | 10 |
| 2026年4月 | 10 |
| 2026年5月 | 11 |
| 2026年6月 | 11 |
| 2026年7月 | 11 |
| 2026年8月 | 11 |
| 2026年9月 | 11 |
| 2026年10月 | 11 |
| 2026年11月 | 11 |
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
jmed-llmsociocom59JMED-LLM:大型語言模型的日本醫學評估數據集
japanese-llm-benchmarkshi3z53一個評估各種LLM的日語能力的基準工具。
EDINET-BenchSakanaAI37[ICLR 2026] 在日本具有挑戰性的金融任務上評估LLMs的表現。
Japanese-RP-BenchAratako25Japanese-RP-Bench是用來測量LLM的日語角色扮演能力的基準。
do-not-answer-jakunishou242023年8月,墨爾本大學公開了安全性評估數據集『Do-Not-Answer』,該數據集已經被自動翻譯成日語,並且考慮了日本文化進行了修正,以便在日語LLM評估中使用。
medLLM_QA_benchmarkaistairc6醫學LLM的三語(英語、日語、中文)QA基準
研究領域相近的資源
LCTG-BenchCyberAgentAILab5LCTG 實驗台:LLM 控制文本生成基準测试共同: 標註與資料集建置
Doppelganger-JC0017-alt2這是一個資料集,用於評估語言模型中中日跨語言同形異義詞的誤用情況。共同: 標註與資料集建置
japanese-hr-niahkufu1在日本語人事勞務領域中,LLM的性能評估基準的長篇內容Benchmark共同: 標註與資料集建置- 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: 標註與資料集建置
- JDocQA-Reasoningricoh-ai269由理光為GENIAC計畫發佈的日本基準,JDocQA Reasoning Bench,評估LMM在 1,286 個關於複雜圖表、表格與圖解的推論問題上,並使用自動化 LLM-as‑Judge 評分。HF 資料集共同: 標註與資料集建置
- AnswerCarefullyllm-jp644AnswerCarefully Dataset 提供日語及多語言資料,用於商業或非商業 LLM 安全增強;禁止任何其他用途——包括安全繞過;允許帶歸屬的衍生作品;並附帶創作者對損害或服務變更之非責任免責聲明。HF 資料集共同: 標註與資料集建置