Chinese HealthNER Corpus是由NYCU NLP Lab收集和标注的医疗命名实体识别数据集。该数据集首先从提供医疗信息的网站、在线健康相关新闻和医疗问答论坛中爬取文章，然后去除所有HTML标签、图像、视频和嵌入的网络广告，并将剩余文本分割成多个句子。数据集包含了10种实体类型，如人体、症状、医疗器材等，并由三名中文专业的本科生进行标注，标注一致性达到84.1%。
COIG-CQIA全称为Chinese Open Instruction Generalist - Quality is All You Need，是一个开源的高质量指令微调数据集，旨在为中文NLP社区提供高质量且符合人类交互行为的指令微调数据。数据集来源于中文互联网的问答及文章，经过深度清洗、重构及人工审核构建而成。数据集包含多个子集，如社交媒体&论坛、通用百科、通用NLP任务、考试&试题、人类
