一個日語 QA 數據集,用於評估 Retrieval‑Augmented Generation (RAG),由 JAQKET 題目與 Wikipedia 文章構建,帶有金鑰檢索相關性標簽,已於 HuggingFace 和 GitHub 發布,主要以 nDCG@10 作為評分指標。
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)
436
Hugging Face 按讚數
21
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 | 403 |
| 2026年1月 | 251 |
| 2026年2月 | 277 |
| 2026年3月 | 139 |
| 2026年4月 | 181 |
| 2026年5月 | 363 |
| 2026年6月 | 248 |
| 2026年7月 | 332 |
| 2026年8月 | 559 |
| 2026年9月 | 321 |
| 2026年10月 | 791 |
| 2026年11月 | 436 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- Japanese-RAG-Generator-Benchmarkneoai-inc113「Japanese RAG Generator Benchmark (J‑RAGBench)」供應一份多分類 QA 數據集—涵蓋 Integration、Reasoning、Logical、Table 與 Abstention—旨在評估日文 RAG 生成器,並由人力與 GPT‑4.1 建構,且以 CC BY‑SA 4.0 授權發布。
- JGLUEshunk0313k更新了 JGLUE 數據集卡和載入腳本,適用於由 Yahoo Japan 和 Waseda University 創建的日本 NLP 基準,涵蓋文本分類(MARC‑ja、JCoLA)、句子對分類(JNLI)和 QA(JSQuAD、JCommonsenseQA),發布版本已在 GitHub 和 Hugging Face 上連結。
- JMTEBsbintuitions3kJMTEB 是一套日語文本嵌入基準,包含 5 個任務(聚類、分類、STS、檢索、重排序)與 28 個資料集,提供一行式評估腳本並邀請社群貢獻。
- JamC-QAsbintuitions2kJamC‑QA 是一個涵蓋八個日本文化與知識類別的雙語多選題基準測試,並以排行榜指標對比最先進模型。
- JMMMU-ProJMMMU1kJMMMU‑Pro 是一個基於圖像的日語多模態基準,透過現實模型生成視覺問題並經由人工驗證而創建,顯示目前開源 LMM 在此任務表現不佳,同時提供一種成本效益高的方法供未來 VQA 基準發展使用。
- 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。
研究領域相近的資源
- JEMHopQAsbintuitions297日本多跳問答資料集(JEMHopQA),提供問題、答案以及將兩篇維基百科文章連結的半結構化推導步驟,並更新了推導格式及擴充了跨多個版本發布的答案集合。共同: 自然語言介面・問答
- rakuda-questionsyuzuai188Rakuda 提供 40 個日文問題—針對歷史、社會與政府的開放式題目,以及針對地理的專門題目—作為基準測試日本 AI 助手的資料,與 vicuna‑eval 相似,並可透過 datasets.load_dataset 載入。共同: 自然語言介面・問答
ja-vicuna-qa-benchmarkku-nlp34日本維卡尼亞QA基準GitHub共同: 自然語言介面・問答- JaQuADSkelterLabsInc916JaQuAD 是 2022 年的日本 QA 資料集,包含 39,696 對 SQuAD‑style 抽取式問答對,來源於 Wikipedia,總量 73.2 MB,當使用 BERT‑Japanese 微調時,F1 分數達 78.92 %(EM 63.38 %)。共同: 自然語言介面・問答
asdcmegagonlabs25住宿搜索對話語料庫 (宿泊施設探索對話語料庫)GitHub共同: 自然語言介面・資訊檢索- reranker-scoreshpprc288提供一個日文搜尋/問答資料集,包含每個查詢的分數,這些分數由五個多語言/日文再排序器計算(如 BAAI/bge‑reranker‑v2‑m3、Alibaba‑NLP/gte‑multilingual‑reranker‑base),並包括每個查詢大約 200 篇正面與負面範例文件的平均分數。共同: 資訊檢索