The test set version 2 is in the profiles tsdb/skeletons/kinou[123]:

Set 1: 1500 Sentences (Ch 1-5)
Set 2: 1100 Sentences (Ch 6-10)
Set 3: 1116 Sentences (Ch 11-14)

id      i-id    Chapter
01010   1       １．表記の揺らぎ
04010   66      ２．基本語一般の訳し分け
15010   610     ３．特殊単語の訳し分け
22010   884     ４．助詞による取立てと関係表現の訳し方
26010   1161    ５．様相表現の訳し方

37010   1501    ６．述語表現訳し方
44010   1726    ７．日時・数量、固有名詞の訳し方
49010   1963    ８．複合語一般の訳し方
55010   2198    ９．形容詞的表現の訳し方
61010   2410    １０．名詞句、名詞節の訳し方

67010   2600    １１．副詞的表現の訳し方
75010   3028    １２．特殊構造表現の訳し方
85010   3332    １３．文接続表現の訳し方
94010   3603    １４．複合的文表現の訳し方



The test set (v3) is described in:
http://www.kinet-tv.ne.jp/~sat/data/publications/1994/p04.html
池原悟, 白井諭, 小倉健太郎 (1994.7).
言語表現体系の違いに着目した日英機械翻訳機能試験項目の構成.
人工知能学会誌, Vol.9, No.4, pp.93-103.

Satoru Ikehara, Satoshi Shirai & Kentaro Ogura (1994.7).
Criteria for evaluating the linguistic quality of Japanese to English
machine translations. (in Japanese)
Journal of Japanese Society for Artificial Intelligence, Vol.9, No.4,
pp.93-103.