DISC-Med-SFT

configs: - config_name: default data_files: - path: DISC-Med-SFT_released.csv split: train language: - zh license: Apache License 2.0 size_categories: - 100K<n<1M tags: - medical - sft - chat task_categories: - question-answering - conversational tasks: - chat - nlp --- 本仓库拷贝自: https://huggingface.co/datasets/Flmc/DISC-Med-SFT 可以通过modelscope SDK下载 ```python from modelscope import MsDataset train_dataset = MsDataset.load('AI-ModelScope/DISC-Med-SFT', subset_name='default', split='train').to_hf_dataset() print(train_dataset) """Out[0] Dataset({ features: ['_id', 'source', 'conversation'], num_rows: 464898 }) """ ``` This is a repository containing a subset of the DISC-Med-SFT Dataset. Check [DISC-MedLLM](https://github.com/FudanDISC/DISC-MedLLM) for more information.配置项： - 配置名称：default 数据文件： - 文件路径：DISC-Med-SFT_released.csv 拆分方式：训练集（train） 语言：中文（zh） 许可证：Apache许可证2.0 数据规模分类：100K < 样本数 < 1M 标签：医疗、监督微调（SFT）、对话 任务类别：问答、对话式任务 任务类型：对话、自然语言处理（NLP） --- 本数据集仓库克隆自：https://huggingface.co/datasets/Flmc/DISC-Med-SFT 可通过ModelScope SDK下载，示例代码如下： python from modelscope import MsDataset train_dataset = MsDataset.load('AI-ModelScope/DISC-Med-SFT', subset_name='default', split='train').to_hf_dataset() print(train_dataset) """Out[0] Dataset({ features: ['_id', 'source', 'conversation'], num_rows: 464898 }) """ 本仓库包含DISC-Med-SFT数据集的一个子集。 如需了解更多信息，请查阅[DISC-MedLLM](https://github.com/FudanDISC/DISC-MedLLM)项目。

搜集汇总

背景与挑战

背景概述

DISC-Med-SFT是一个医疗领域的对话数据集，包含约46.5万条训练样本，适用于问答和聊天等自然语言处理任务。该数据集基于Apache 2.0许可证发布，以CSV格式提供，更新于2024年9月。