AutoWikiQA 是最大的免費日語問答資料集,提供超過230萬個手工篩選的問答對,這些問答對自維基百科自動生成,使用 Swallow‑MX 和 LLMs(無規則基模板),以支援知識傳授與檢索增強生成應用。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
747
Hugging Face 按讚數
24
收錄日
2024年5月13日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 542 |
| 2026年1月 | 157 |
| 2026年2月 | 210 |
| 2026年3月 | 115 |
| 2026年4月 | — |
| 2026年5月 | 190 |
| 2026年6月 | 163 |
| 2026年7月 | 132 |
| 2026年8月 | 168 |
| 2026年9月 | 247 |
| 2026年10月 | 230 |
| 2026年11月 | 747 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- JMedBenchColdog23331kJMedBench 是一個日本醫學領域 LLM 基準,包含 20 個資料集,涵蓋五個任務(MCQA、NER、STS 等),資料來源於 MedMCQA、PubMedQA、MMLU 及其他,每個資料集都有自己的授權,並附有註記指出翻譯可能存在偏差,需人工審核。
- nri-fin-reasoningnri-ai707日本語指令資料集,含 632,636 個多回合樣本(約 6.35 億 tokens)以及 GPT‑OSS‑120b 理由痕跡,針對開放式、數學、寫作與多選題 (MCQA) 任務,在 135 個財務主題及 20 個一般主題中使用,旨在微調 LLM 在財務領域的推理能力。
- llm-jp-evalllm-book666資料集卡為「Introduction to Large‑Scale LLM II」一書中使用的 ja‑vicuna‑qa‑benchmark,並由 llm‑jp‑eval 為跨資料集的日語 LLM 評估所創建(Apache 2.0)。
- DEJIMA-datasetMIL-UT359DEJIMA 是一個大規模的日本圖像資料集,包含 3.88 M 張圖片與標題對,以及 3.88 M 張圖片、問題與答案對。該資料集透過嚴格篩選、重複移除、以檢測為驅動的證據擷取以及在基礎約束下使用 LLM 的圖像說明/ VQA 產生,並為每項任務提供多個精心策劃的變體。
- 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。
- ChouBunSakanaAI103ChouBun 是一個日語長文本基準,針對 LLM 設計,包含兩種任務類型——抽取式 QA(wiki_qa、edinet_qa)和摘要式 summarization(corp_sec_qa、corp_sec_sum),其資料來源為 Wikipedia 文章、EDINET 安全報告與公司文件,採用標準化的 THUDM/LongBench 格式,支援最高 32768 個 token 的上下文。
研究領域相近的資源
- embhpprc1k日語及多語系 QA、NLI 與同義句資料集的目錄,說明各資料集的檢索或 QA 任務以及其授權規範(Apache 2.0、CC‑BY‑SA/CC‑BY、MIT 等)。共同: 標註與資料集建置
lawqa_jpdigital-go-jp279日本的法令多項選擇問答數據集GitHub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。共同: 標註與資料集建置
- JGLUEllm-book546JGLUE 資料集卡片,使用於《Large Language Model Introduction》一書,來源自原始倉庫,程式碼採用 CC BY‑SA 4.0 許可,資料受發行者授權,引用 Kurihara & Kawahara(以日文)並建立於 Shunsuke Kitada 的倉庫。共同: 標註與資料集建置
- scaling-data-constrained-llmsllm-jp402一組日文與英文網路語料庫,包括 9 B‑token 日文集(JA‑WEB‑9B)、63 B‑token 英文及日文集(EN‑WEB‑63B、JA‑WEB‑63B)以及合成版本,如改寫版 JA‑PARAPHRASE‑63B、指令式 JA‑INSTRUCT‑63B 與翻譯版 JA‑TRANSLATE‑63B,供在資料受限情境下研究對日文 LLM 進行預訓練的資料增強。共同: 標註與資料集建置
medLLM_QA_benchmarkaistairc6醫學LLM的三語(英語、日語、中文)QA基準GitHub共同: 標註與資料集建置