一份由手工從日本政府網站提取的 FAQ 數據集,採用 CC‑BY‑4.0 授權,旨在供大型語言模型進行指令微調與 RAG 測試使用,提供高品質問答對及來源網址。
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)
169
Hugging Face 按讚數
30
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 | 193 |
| 2026年1月 | — |
| 2026年2月 | 130 |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | 163 |
| 2026年6月 | — |
| 2026年7月 | 108 |
| 2026年8月 | 139 |
| 2026年9月 | 162 |
| 2026年10月 | 310 |
| 2026年11月 | 169 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- 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。
- 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。
- 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。
- 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。
研究領域相近的資源
- 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: 大型語言模型・語料庫與資料集
- llm-japanese-datasetizumi-lab572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。共同: 大型語言模型・語料庫與資料集
- oasst2-33k-jallm-jp551LLM‑jp 提供一個日語指令調校數據集,來自 oasst2 的英語子集經 DeepL 翻譯(源自 kunishou/oasst2‑135k‑ja)並由 Kiyomaru 與 Kodama 編譯。共同: 大型語言模型・語料庫與資料集
- 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: 大型語言模型・語料庫與資料集
ja.text8Hironsan113用於詞向量嵌入的日文文本8語料庫。GitHub共同: 嵌入、檢索與 RAG・語料庫與資料集
JapaneseWordSimilarityDatasettmu-nlp103日本語詞語相似度資料集GitHub共同: 嵌入、檢索與 RAG・語料庫與資料集