一個 190 M‑pair 的 JSONL 資料集,用於日語假名到漢字的轉換,包含「左側上下文 – 輸入 – 輸出」三元組,以及預訓練模型(medium、small、xsmall)和 AJIMEE-Bench 基準測試,採用 CC BY‑SA 4.0 授權發布,其子集來源於 Wikipedia 和 Common Crawl。
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)
439
Hugging Face 按讚數
21
收錄日
2025年1月21日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 178 |
| 2026年1月 | — |
| 2026年2月 | 295 |
| 2026年3月 | 224 |
| 2026年4月 | 165 |
| 2026年5月 | 174 |
| 2026年6月 | 362 |
| 2026年7月 | 125 |
| 2026年8月 | 215 |
| 2026年9月 | 394 |
| 2026年10月 | 466 |
| 2026年11月 | 439 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- emilia-yodasTTS-AGI18k來自 Fate/Stay Night 角色「Emilia」的對話與傳說資料集,格式化用於訓練與評估對話語言模型。
- fgo_voices_jpdeepghs10kFGO Waifu 的 JP Voice‑Text 資料集:包含 30,800 條記錄、66.4 小時的日語音訊集合,涵蓋單一配音員角色台詞(每條約 7.76 秒),適用於 ASR/ASV 微調與評估。
- 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。
- JMMMUJMMMU3kJMMMU 是一個日語多模態基準,已擴充十倍至 1,320 個文化多樣化問題 (720 個文化中立,600 個文化特定),由母語專家翻譯,現在擁有公開排行榜。
- 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。
研究領域相近的資源
- ELYZA-tasks-100elyza2k一個包含 100 筆樣本的日本語 instruction‑tuning 評估資料集,內含標註任務——從摘要校正、數學推理到翻譯、創意生成及使用者意圖理解——設計用於手動或自動 5‑point rating 的 fine‑tuned models 評估。共同: 標註與資料集建置
- qg_jaquadlmqg494Japanese JaQuAD(QG‑Bench 的子集)提供句子級和段落級資料,並以高亮顯示答案 token,用於訓練日語提問生成模型,評估指標包括 BLEU4、METEOR、ROUGE‑L、BERTScore 與 MoverScore。共同: 標註與資料集建置
ajimee-benchazookey30AJIMEE-Bench(高級日語輸入法評估基準)GitHub共同: 標註與資料集建置- WildGuardTestJPsbintuitions258WildGuardTestJP 是一份包含 1,725 個樣本的日文評估資料集,透過多階段精煉流程(Seed‑X‑PPO‑7B、gpt‑oss‑120b、Qwen2.5‑72B‑Instruct、gemma‑3‑27b‑it)忠實翻譯自 WildGuardTest,並於 Hugging Face 上以 ODC‑BY 許可發布。共同: 標註與資料集建置
- bbh-japfnet213日語 BB‑Bench Hard 資料集,包含評估問題(JSON Lines)與 Chain‑of‑Thought 版提示(YAML),已透過 PLaMo 模型進行翻譯。共同: 標註與資料集建置
- covid_tweets_japanesecommunity-datasets171COVID‑19 日本 Twitter 數據集提供日本推文 ID 與評估碼 (63–68),指出 COVID‑19 的相關性以及事實/意見狀態,從而促進文本分類研究。共同: 標註與資料集建置