日語說明式對話資料集,用於微調 LLM(例如 LoRA),9M+ 範例,最近更新為去除授權的 Alpaca 數據,清理 Wikipedia 和 ALT 輸出,並以 CC‑BY‑SA 4.0 發佈。
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)
572
Hugging Face 按讚數
148
收錄日
—
自頁面建立時收錄
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 975 |
| 2026年1月 | 836 |
| 2026年2月 | 398 |
| 2026年3月 | 581 |
| 2026年4月 | 501 |
| 2026年5月 | 437 |
| 2026年6月 | 484 |
| 2026年7月 | 397 |
| 2026年8月 | 424 |
| 2026年9月 | 393 |
| 2026年10月 | 391 |
| 2026年11月 | 572 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Ja 是一個三千億標記的日語語料庫,從 LLM‑jp Corpus v4 過濾後分成 20 個群集,用於預訓練語言模型,以 ODC‑BY 授權發佈,保留原始來源授權並以 parquet 格式存儲。
- llm-course-final-2026bumbuboon13k基於日文 Wikipedia 的 RAG 資料集,供 LLM 課程期末競賽使用,包含約 100 萬個文本片段及搜尋索引。
- 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。
- vntl-leaderboardlmg-anon857一個排行榜,根據大型語言模型在將日文視覺小說翻譯成英文時的語義準確度進行排名,使用 256 個樣本的餘弦相似度並報告 chrF 分數,以便與 Sugoi Translator、Google Translate、Naver Papago 和 Alibaba Translate 等工具比較。
- auto-wiki-qacl-nagoya747AutoWikiQA 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。
- jhumanevalkogi-jwu731JHumanEval 是手工翻譯的日本版 HumanEval benchmark,提供 164 個 Python 程式設計問題,並提供對應的英文與日文註解,旨在評估 Japanese-LLM 程式產生,同時保留原始英文錯誤。
研究領域相近的資源
jmed-llmsociocom59JMED-LLM:大型語言模型的日本醫學評估數據集GitHub共同: 語意文本處理- japanese-gpt-neox-smallrinna656k一個 12 層、768 隱藏層的日本 GPT‑NeoX 模型,訓練於 CC‑100、C4 和 Wikipedia,兼容 Huggingface,並可選擇使用一個玩具前綴調優權重,使每句結尾強制出現笑臉表情符號。HF 模型共同: 語意文本處理
- llm-jp-3-150mllm-jp75kLLM‑jp‑3‑150m — 來自日本情報學研究院 LLM 研發中心的 150M 參數日語語言模型,已以 Hugging Face Transformers 格式發佈,需安裝 torch ≥ 2.3.0、transformers ≥ 4.40.1、accelerate ≥ 0.29.3、flash‑attn ≥ 2.5.8,並以日語維基百科、Common Crawl、WARP/PDF、WARP/HTML 以及 Kaken 數據,使用 unigram byte‑fallback tokenizer 進行預訓練。HF 模型共同: 語意文本處理
- llm-jp-3-1.8bllm-jp3k一套日本大型語言模型(1.8 b 至 172 b beta1,含 instruct 變體)來自 NII 研究發展中心,以 Hugging Face Transformers 格式打包,並在混合的日文、英文以及網路語料上預訓練,總 token 數量超過 1 trillion,需至少 torch ≥ 2.3、transformers ≥ 4.40、accelerate ≥ 0.29、flash‑attn ≥ 2.5。HF 模型共同: 語意文本處理
- japanese-gpt-1brinna2k一個 1.3‑B‑parameter、24‑layer transformer GPT‑1B,在 Japanese C4、CC‑100 以及 Wikipedia 上訓練,於 2022 年 1 月 26 日由 rinna Co. 發布,並以 MIT license 供使用。HF 模型共同: 語意文本處理
WLSP-familiaritymasayu-a13「按語義原則分類的單詞列表(WLSP)」的詞語熟悉度率GitHub共同: 語意文本處理