ChouBun 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。
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)
103
Hugging Face 按讚數
10
收錄日
2024年10月22日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 113 |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | 156 |
| 2026年8月 | — |
| 2026年9月 | — |
| 2026年10月 | — |
| 2026年11月 | 103 |
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)。
- JDocQA-Reasoningricoh-ai269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。
- 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: 大型語言模型・語料庫與資料集
belebelefacebookresearch339大規模多語言閱讀理解資料集 Belebele 的儲存庫。多語言共同: 語料庫與資料集・評測與基準- 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: 大型語言模型・語料庫與資料集
tydiqagoogle-research-datasets319TyDi QA 包含20萬個在11種類型多樣語言中人工標註的問答對,這些問答在未見答案且未使用翻譯的情況下撰寫,專為自動問答系統的訓練與評測而設計。本儲存庫提供該資料集的評測程式碼與基線系統。多語言共同: 語料庫與資料集・評測與基準- 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。共同: 大型語言模型・語料庫與資料集
- 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: 大型語言模型・語料庫與資料集