cMedQA2

cMedQA2中文医学问答数据集1.0，可用于非商业研究.cMedQA2包含10.8万个单轮对话，包括咨询和指导情况。通过使用关键字过滤和命名实体识别过滤记录后，分别从每个数据集中随机选择40万和2万个样本作为SFT数据集构建的源样本。

The cMedQA2 Chinese Medical Question Answering Dataset 1.0 is available for non-commercial research purposes only. It contains 108,000 single-turn dialogues covering consultation and guidance scenarios. After filtering records via keyword filtering and named entity recognition, 400,000 and 20,000 samples were randomly selected from each dataset respectively as source samples for constructing the supervised fine-tuning (SFT) dataset.

搜集汇总

背景与挑战

背景概述

cMedQA2是一个中文医学问答数据集，版本2.0，专为非商业研究设计，包含10.8万个单轮对话（问题-答案对），数据经过匿名化处理以保护隐私。数据集分为训练集、开发集和测试集，平均问题字符数为49，平均答案字符数为101，适用于医学问答选择任务，并支持相关研究论文的应用。