hpprc/msmarco-ja

MSMARCO-Ja 英語のMSMARCOデータセットを日本語対応LLMを用いて日本語に翻訳したデータセットです。 MSMARCOの日本語翻訳データセットとしてはMMARCOがありますが、こちらは日本語の翻訳品質に懸念があります。 このデータセットは、翻訳の品質を向上させることで、後段のモデルの性能を向上させることを目的としたデータセットです。 重複を許して複数のLLMで複数回並列で翻訳をしているため、翻訳事例ごとに翻訳回数や翻訳モデルにバラツキがあります。 ただし、少なくともCALM3 22Bにより各事例は1回以上翻訳されています。 collectionサブセットのid列はオリジナルのMSMARCOデータセットをHF形式に変換したデータセットにおけるcollectionサブセットの行番号に対応しています。 また、datasetサブセットのid列は、同上のデータセットにおけるdatasetサブセットの行番号に対応しています。 collection-simサブセットおよびdataset-simサブセットは、CALM3… See the full description on the dataset page: https://huggingface.co/datasets/hpprc/msmarco-ja.

<iframe src="https://silytics.si/embed/item/a5c8a3ac-999a-4032-b2c7-439a9b23abce" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 18 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.