akira-sasaki/

nihongo-dojo-beginner-10k

	Nihongo DoJo 初級日本語学習データセット




	
	概要

このデータセットは、日本語学習者向けの合成データセットです。GRPO (Group Relative Policy Optimization) を用いた日本語言語モデルの学習に最適化されています。

総サンプル数: 10,000 言語: 日本語 難易度: 初級（N5-N4相当） 対象: 日本語学習者、言語モデル研究者

漢字読み問題 (25%)

例: 「学校」の読み方は？ → がっこう

漢字書き問題 (15%)

例: 「みず」を漢字で書いてください → 水

助詞穴埋め問題 (20%)

例: 私＿学校＿行きます → は、に

助数詞問題 (15%)

例: 3つの本を数えるときの正しい数え方は？ → さんさつ

語順並べ替え問題 (10%)

例: 友達と / 公園で / 遊びました → 友達と公園で遊びました

文法問題 (10%)

例: 「今、宿題を＿」の＿に入る正しい形は？ →… See the full description on the dataset page: https://huggingface.co/datasets/akira-sasaki/nihongo-dojo-beginner-10k.