基於日文文件的問答資料集(JDocQA)包含5,504份PDF文件和11,600個日語問答對,涵蓋是非題、事實性題、數值題與開放式問題,包括圖片及無法回答的情況。
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)
249
Hugging Face 按讚數
11
收錄日
2025年12月23日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 173 |
| 2026年1月 | 109 |
| 2026年2月 | 1,000 |
| 2026年3月 | 304 |
| 2026年4月 | — |
| 2026年5月 | 194 |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | — |
| 2026年10月 | — |
| 2026年11月 | 249 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- 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。
- JAMMEvalllm-jp830JAMMEval 是七個日本 VQA 數據集的蒸餾基準,經過兩輪人工註釋以消除歧義和非視覺問題,提供對多模態日本任務的視覺‑語言模型可靠評估。
- JA-VG-VQA-500SakanaAI520JA‑VG‑VQA‑500 是日本 Visual Genome VQA 資料集的一個 500 個樣本子集,授權為 CC BY 4.0,用於基準測試 EvoVLM‑JP‑v1‑7B。
- Japanese-Medical-VQA-12mMIL-UT423Japanese Medical VQA 12M 是一個大型多模態資料集(約 12 M 個樣本),包含日語醫學影像及其原始和擴充的說明文字,說明文字同時以源語言與日語呈現,並附帶生成的 VQA 問答對。此資料集以 Parquet/Webdataset 格式發布,來源為 Open‑PMC‑18M,使用 InternVL3.5 進行擴充、Qwen3‑30B‑A3B 進行翻譯,以及 GPT‑OSS 120B 生成 VQA。
- DEJIMA-datasetMIL-UT359DEJIMA 是一個大規模的日本圖像資料集,包含 3.88 M 張圖片與標題對,以及 3.88 M 張圖片、問題與答案對。該資料集透過嚴格篩選、重複移除、以檢測為驅動的證據擷取以及在基礎約束下使用 LLM 的圖像說明/ VQA 產生,並為每項任務提供多個精心策劃的變體。
- JA-Multi-Image-VQASakanaAI311JA‑Multi‑Image‑VQA 是一個含有 39 張影像與 55 對日文問答對的資料集,用於評估多圖像 VQA,授權為 Apache 2.0(圖片除外)。
研究領域相近的資源
ja-vg-vqayahoojapan30日本視覺基因組VQA數據集GitHub共同: 語料庫與資料集・問答與推理
LookVQAriken-grp8一個針對澄清模糊日語問題的凝視導向視覺問答數據集(LREC-COLING 2024)GitHub共同: 語料庫與資料集・問答與推理- ja-stackoverflowp1atdev105一個來自 Stack Overflow Dumps 的日語 QA 數據集,提供帶有 Markdown 轉換正文(已替換 Base64 圖像)的問答對,包含 ID、分數、標籤,以及被接受或最高得分的答案文本,採用 CC BY-SA 4.0 授權。共同: 語料庫與資料集・問答與推理
GazeVQAriken-grp0LREC-COLING 2024論文的數據集《針對澄清日語問題的凝視導向視覺問答數據集》GitHub共同: 語料庫與資料集・問答與推理- Cauldron-JAturing-motors7kCauldron‑JA 是一套日本視覺‑語言資料集,包含 44 個子資料集,這些子資料集是使用 DeepL API 將 The Cauldron 翻譯而成,通過 HuggingFace’s datasets library 可取得,授權條件與原始資料集完全相同,提示(prompts)則以 CC‑BY‑4.0 授權釋出。共同: 語料庫與資料集・影像與多模態
- Galgame-VisualNovel-Reuploadjoujiboi5k重構後重新上傳 Galgame VisualNovel 資料集 (OOPPEENN/5669736E6F76656C5F44617461736574),為了提高 Hugging Face 資料集載入效率,保留所有原始音訊 / 文字,並提供一段提取腳本,支援多種遊戲子集選項。共同: 語料庫與資料集・影像與多模態