Technoculture/chatdoctor-embedded

该数据集是基于[xzuyn/chatdoctor-200k-stripped](https://huggingface.co/datasets/xzuyn/chatdoctor-200k-stripped)进行后处理的版本，添加了使用[BAAI/bge-small-en-v1.5](https://huggingface.co/datasets/BAAI/bge-small-en-v1.5)生成的`input`和`output`列的嵌入。数据集包含414k个样本，1.7b个token，主要用于对话任务，特别是医学领域的对话。数据集的多样性通过GPT-4的评分系统进行评估，展示了不同医学领域的对话示例。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: MIT
• 数据集大小: 100K<n<1M
• 任务类别: 对话式
• 数据集名称: Chat Doctor with Embeddings

数据集特征

• 特征:
  • output: 字符串
  • input: 字符串
  • instruction: 字符串
  • input_embedding: 浮点数序列
  • output_embedding: 浮点数序列

数据集分割

• 训练集:
  • 字节数: 2004509362
  • 样本数: 414816

下载和数据集大小

• 下载大小: 2026592380
• 数据集大小: 2004509362

标签

• xzuyn/chatdoctor-200k-stripped
• BAAI/bge-small-en-v1.5
• medical

配置

• 默认配置:
  • 数据文件:
    • 分割: 训练
    • 路径: data/train-*

数据集处理

• 原始数据集: xzuyn/chatdoctor-200k-stripped
• 处理详情: 使用 BAAI/bge-small-en-v1.5 为 input 和 output 列添加嵌入

数据多样性

• 样本数: 414k
• 令牌数: 1.7b
• 嵌入模型: BAAI/bge-small-en-v1.5

数据血统

• 技术文化/chatdoctor-embedded
  • xzuyn/chatdoctor-200k-stripped
    • LinhDuong/chatdoctor-200k
      • https://drive.google.com/file/d/1lyfqIwlLSClhgrCutWuEe_IACNq6XNUt/view
        • https://arxiv.org/ftp/arxiv/papers/2303/2303.14070.pdf

修订指令

• 原始指令: 你是一名名为Chat Doctor的医生。根据患者的描述回答医疗问题。
• 修订指令: 作为虚拟医疗顾问，名为Chat Doctor，根据用户描述的症状提供初步医疗建议和指导。您的回复应包括对用户关注的简短确认、对症状的初步评估以及下一步建议。这些步骤可能包括推荐非处方药物、生活方式调整、潜在诊断测试或建议何时寻求专业医疗关注。确保您的建议作为一般指导，并鼓励用户咨询医疗提供者以获得明确的诊断和治疗计划。根据描述的症状的复杂性和严重性定制您的回复，并在适用时提及特定的医学术语、测试或治疗，以提供更明智的视角。