
JP 語言模型評估工具
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
155
±0 (10月13日〜)
最後提交
2023年11月
GitHub 建立日期
2023年4月27日
收錄日
2023年7月4日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 154 |
| 2026年1月 | 154 |
| 2026年2月 | 154 |
| 2026年3月 | 154 |
| 2026年4月 | 154 |
| 2026年5月 | 154 |
| 2026年6月 | 153 |
| 2026年7月 | 153 |
| 2026年8月 | 154 |
| 2026年9月 | 154 |
| 2026年10月 | 154 |
| 2026年11月 | 155 |
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
JGLUEyahoojapan349JGLUE:日本通用語言理解評估
llm-jp-evalllm-jp175這個工具可以跨多個數據集對日語大規模語言模型進行自動評估。
japanese-lm-fin-harnesspfnet-research80日語語言模型金融評估工具
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。
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。
swallow-evaluation-instructswallow-llm34燕子項目 事後學習完成的大規模語言模型 評估框架
研究領域相近的資源
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M 是一款日語 BERT 變體,結合了 local‑global attention 與 RoPE,已在 4.09 T 個日語/英語文本 token 上訓練,支持 102 400 個詞彙、8 192 token 序列,並被優化以配合 Flash Attention 2。HF 模型共同: 語言模型・語意文本處理
- deberta-v2-base-japaneseku-nlp24k日文 DeBERTa V2 基礎模型,已在 171 GB 日文維基百科、CC‑100 與 OSCAR 資料上使用 Juman++ 斷詞與 SentencePiece Tokenization 進行預訓練,訓練時間三週,使用八台 NVIDIA A100 GPU,已準備好進行微調。HF 模型共同: 語言模型・語意文本處理
- modernbert-ja-130msbintuitions12k一個 132 百萬參數的 Japanese ModernBERT 模型,結合 local‑global 與 RoPE attention,在 4.39 T tokens(日語/英語)上訓練,含有 102‑k‑size 的 vocab,最大 token 長度 8,192,並優化為 Flash Attention 2。HF 模型共同: 語言模型・語意文本處理
GPTSANtanreinama119通用開關變壓器基於日語模式共同: 語言模型・語意文本處理
bertinformatix-inc28這個存儲庫提供了使用 RoBERTa 預訓練於日本語語料庫的片段。我們的數據集包括日本維基百科和網頁滾動文章,總共 25GB。釋出的模型是基於 HuggingFace 的模型構建的。共同: 語言模型・語意文本處理
Laboro-DistilBERT-Japaneselaboroai16勞羅 DistilBERT 日文共同: 語言模型・語意文本處理