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。
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)
269
Hugging Face 按讚數
7
收錄日
2026年6月15日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | 271 |
| 2026年7月 | 101 |
| 2026年8月 | — |
| 2026年9月 | — |
| 2026年10月 | 131 |
| 2026年11月 | 269 |
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。
- 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)。
- 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。
- 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。
- 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。
研究領域相近的資源
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- 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。共同: 標註與資料集建置
- 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。共同: 標註與資料集建置
- EDINET-BenchSakanaAI662EDINET‑Bench 是一個日本金融基準,評估 LLM 在會計欺詐檢測、盈餘預測以及產業預測等任務,使用十年的 EDINET‑API 公開報告。提供構建與評估代碼,資料集已重新授權為 PDL 1.0。共同: 標註與資料集建置
japanese-llm-benchmarkshi3z53一個評估各種LLM的日語能力的基準工具。GitHub共同: 標註與資料集建置
Japanese-RP-BenchAratako25Japanese-RP-Bench是用來測量LLM的日語角色扮演能力的基準。GitHub共同: 標註與資料集建置