
J-MeetEval: 日本語會議任務中指示遵循性評估基準
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
2
+1 (10月13日〜)
最後提交
2026年8月
GitHub 建立日期
2026年7月20日
收錄日
2026年10月13日
同分類的熱門資源
研究領域相近的資源
lm-evaluation-harnessEleutherAI14k用於語言模型少樣本評測的框架。多語言共同: 語料庫與資料集・評測與基準- 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
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。多語言共同: 語料庫與資料集・評測與基準
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。多語言共同: 語料庫與資料集・評測與基準
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。多語言共同: 語料庫與資料集・評測與基準
massivealexa572面向 MASSIVE 資料集的工具與建模程式碼。多語言共同: 語料庫與資料集・評測與基準