有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
nlp-waseda/JMMLU|语言模型评估数据集|日语理解数据集
收藏hugging_face2024-02-27 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/nlp-waseda/JMMLU
下载链接
链接失效反馈资源简介：
JMMLU（Japanese Massive Multitask Language Understanding Benchmark）是一个用于评估大型语言模型在日语环境下表现的多选题数据集。它包含从MMLU（Massive Multitask Language Understanding）翻译的日语问题以及基于日本文化背景的原创问题。数据集由7536个问题组成，涵盖56个不同的学科领域，如专业医学、哲学、日本历史、日本地理等。翻译问题经过机器翻译和人工校对，确保其流畅性和文化适应性；原创问题则由日本教师手动创建。数据集的格式与MMLU相同，每个问题包含四个选项和一个正确答案。JMMLU的版权归属于多个机构，商业使用仅限于语言模型的研究和评估。
JMMLU（Japanese Massive Multitask Language Understanding Benchmark）是一个用于评估大型语言模型在日语环境下表现的多选题数据集。它包含从MMLU（Massive Multitask Language Understanding）翻译的日语问题以及基于日本文化背景的原创问题。数据集由7536个问题组成，涵盖56个不同的学科领域，如专业医学、哲学、日本历史、日本地理等。翻译问题经过机器翻译和人工校对，确保其流畅性和文化适应性；原创问题则由日本教师手动创建。数据集的格式与MMLU相同，每个问题包含四个选项和一个正确答案。JMMLU的版权归属于多个机构，商业使用仅限于语言模型的研究和评估。
提供机构：
nlp-waseda
原始信息汇总
数据集概述
数据集名称
- JMMLU：Japanese Massive Multitask Language Understanding Benchmark
数据集内容
- 问题类型：四选一选择题
- 问题来源：
- 翻译自MMLU的部分问题
- 基于日本独特文化背景的问题
- 问题处理：
- 机器翻译后由翻译者检查和修改，确保流畅性和文化相关性
- 由日本教师手动创建的学校科目相关问题
数据集结构
- 格式：每题包含问题、四个选项及答案
数据集规模
- 问题数量：7,536题
- 任务数量：56个任务（科目）
版权与许可
- 许可：CC BY-NC-ND 4.0
- 版权说明：
- 日本历史和世界历史的版权属于STEP Corporation，商业用途限于语言模型的研究和评估。
- 日本成语、日本公民和日本地理的版权属于New Style Cram School VIST，商业用途限于语言模型的研究和评估。
致谢
- 感谢RIKEN在MMLU翻译中的支持。
- 感谢STEP Corporation提供日本历史和世界历史的材料。
- 感谢New Style Cram School VIST提供日本成语、日本公民和日本地理的资源。
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国气象数据
本数据集包含了中国2023年1月至11月的气象数据，包括日照时间、降雨量、温度、风速等关键数据。通过这些数据，可以深入了解气象现象对不同地区的影响，并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。
github 收录
Materials Project
材料项目是一组标有不同属性的化合物。数据集链接： MP 2018.6.1（69,239 个材料） MP 2019.4.1（133,420 个材料）
OpenDataLab 收录
AgiBot World
为了进一步推动通用具身智能领域研究进展，让高质量机器人数据触手可及，作为上海模塑申城语料普惠计划中的一份子，智元机器人携手上海人工智能实验室、国家地方共建人形机器人创新中心以及上海库帕思，重磅发布全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集开源项目 AgiBot World。这一里程碑式的开源项目，旨在构建国际领先的开源技术底座，标志着具身智能领域 「ImageNet 时刻」已到来。AgiBot World 是全球首个基于全域真实场景、全能硬件平台、全程质量把控的大规模机器人数据集。相比于 Google 开源的 Open X-Embodiment 数据集，AgiBot World 的长程数据规模高出 10 倍，场景范围覆盖面扩大 100 倍，数据质量从实验室级上升到工业级标准。AgiBot World 数据集收录了八十余种日常生活中的多样化技能，从抓取、放置、推、拉等基础操作，到搅拌、折叠、熨烫等精细长程、双臂协同复杂交互，几乎涵盖了日常生活所需的绝大多数动作需求。
github 收录
RAVDESS
情感语音和歌曲 (RAVDESS) 的Ryerson视听数据库包含7,356个文件 (总大小: 24.8 GB)。该数据库包含24位专业演员 (12位女性，12位男性)，以中性的北美口音发声两个词汇匹配的陈述。言语包括平静、快乐、悲伤、愤怒、恐惧、惊讶和厌恶的表情，歌曲则包含平静、快乐、悲伤、愤怒和恐惧的情绪。每个表达都是在两个情绪强度水平 (正常，强烈) 下产生的，另外还有一个中性表达。所有条件都有三种模态格式: 纯音频 (16位，48kHz .wav)，音频-视频 (720p H.264，AAC 48kHz，.mp4) 和仅视频 (无声音)。注意，Actor_18没有歌曲文件。
OpenDataLab 收录
TT100K - Tsinghua-Tencent 100K
TT100K数据集是一个用于交通标志检测和识别的大规模数据集，包含100,000张标注的交通标志图像。该数据集主要用于计算机视觉和自动驾驶领域的研究。
cg.cs.tsinghua.edu.cn 收录