tokyotech-llm/MMLU-ProX-Japanese

Name: tokyotech-llm/MMLU-ProX-Japanese
Creator: tokyotech-llm
Published: 2025-09-13T02:08:17+08:00

Hugging Face2025-08-18 更新2025-09-13 收录

多模态语言理解

日语处理

数据链接：

https://hf-mirror.com/datasets/tokyotech-llm/MMLU-ProX-Japanese 数据链接链接失效反馈

官方服务：

资源简介：

--- license: mit ---

提供机构：

tokyotech-llm

Innovator-VL-Instruct-46M

多模态语言理解

指令跟随

Innovator-VL-Instruct-46M 是一个多模态视觉指令数据集，旨在通过全参数视觉指令监督微调（SFT）增强模型在广泛视觉任务中的能力。该数据集设计目标包括：1）基础视觉指令跟随，使模型能够有效利用预训练知识解决多样化视觉语言理解任务；2）为强化学习阶段提供冷启动，赋予模型初步的链式思考和多步推理能力；3）增强科学领域理解能力，训练模型解决需要领域知识、结构化推理和精确答案的问题。

Hugging Face2026-01-26 更新460

GPT-4自指导数据集

语言模型微调

日语处理

GPT-4自指导数据集是由京都大学开发的高质量日语指令数据集，用于大型语言模型的监督微调。该数据集包含52,000条指令，通过将少量英语指令翻译并本地化成日语，利用GPT-4自动生成多样化的指令数据。数据集的创建过程涉及翻译、本地化编辑和自动生成，旨在解决非英语语言在大型语言模型开发中的资源不足问题，特别是在日语领域的应用。

arXiv2024-03-06 更新130

bert ja

自然语言处理

日语处理

BERT with SentencePiece for Japanese text

kaggle2019-08-11 更新110

pfnet/bbh-ja

语言模型评估

日语处理

BBH-ja是一个翻译成日语的BIG-Bench Hard数据集，旨在评估大语言模型在日语Chain of Thought能力。数据集由两部分组成：评估问题(`bbh-ja/`)和few-shot示例的提示(`cot-prompts/`)。评估问题存储在JSON Lines格式中，提示存储在YAML格式中。翻译使用了PLaMo Translation Model。

Hugging Face2025-07-07 更新130

minato-ryan/emilia-cjk-xcodec2

语音识别

日语处理

该数据集包含多个配置（ja_long，ja_short，ja_skipped，ja_very_long），每个配置都有如uid、dnsmos、时长、语言、说话人、文本、wav文件和ids等特征。每个配置的训练分割都包含了示例数量和字节数的信息。此外，还提供了每个配置的下载大小和数据集大小。

Hugging Face2025-10-24 更新110