BojanaBas/PQAref

PQAref数据集是一个用于在生物医学领域微调大型语言模型以进行参考问答任务的数据集。数据集包含三个主要部分：指令（问题）、摘要（从PubMed检索的10篇相关摘要）和答案（带有PubMed ID的预期答案）。数据集是半自动创建的，利用了PubMedQA数据集中的问题。

The PQAref dataset is a dataset for fine-tuning large language models for referenced question-answering in the biomedical domain. The dataset contains three components: Instruction (the question to be answered), Abstracts (a set of 10 relevant abstracts retrieved from PubMed, including PubMed ID, abstract title, and content), and Answer (the expected answer with references in the form of PubMed IDs). The dataset was created semi-automatically, utilizing questions available from the PubMedQA dataset.

原始信息汇总

PubMed Referenced Question Answering Dataset

概述

• 名称: PubMed Referenced Question Answering Dataset
• 领域: 生物医学
• 任务类别:
  • 文本生成
  • 问答
  • 摘要
• 语言: 英语
• 标签: 生物学, 生物医学
• 大小类别: 10M<n<100M

数据集结构

• 配置:
  • 默认配置:
    • 训练集: data/train-*
    • 验证集: data/val-*
    • 测试集: data/test-*
• 特征:
  • 输入: 字符串类型
• 分割:
  • 训练集:
    • 样本数: 7260
    • 字节数: 136602851.95652175
  • 验证集:
    • 样本数: 907
    • 字节数: 17065948.584650856
  • 测试集:
    • 样本数: 908
    • 字节数: 17084764.40447958
• 下载大小: 82888007
• 数据集大小: 170753564.9456522

数据集内容

• 组件:
  • Instruction: 需要回答的问题
  • Abstracts: 从PubMed检索的10篇相关摘要，包含PubMed ID、摘要标题和内容
  • Answer: 预期答案，包含PubMed ID形式的引用

创建方式

• 创建方式: 半自动生成，利用PubMedQA数据集中的问题