fenyo/MonEspaceSante-FAQ-QA

该数据集是一个法语问答对数据集，专门针对法国公共医疗服务Mon espace santé的常见问题（FAQ）构建。数据集包含614个问答对，分为两部分：89对来自官方FAQ的真实问答（real），以及525对通过qwen3.5模型生成的合成问答（synthetic），合成问答严格基于官方文本生成，不添加额外信息。数据集分为训练集（584对）和验证集（30对），每个问答对包含问题（question）、答案（answer）、来源（source，分为real或synthetic）和类别（category，对应FAQ的特定分类）。该数据集主要用于医疗健康领域的法语问答任务、文本生成和指令微调，特别适用于构建专注于Mon espace santé服务的封闭式问答助手。数据集规模较小（n<1K），适用于特定领域的微调，但不提供医疗建议，且知识截止于收集日期。This dataset is a French question-answering (QA) pair dataset specifically constructed for frequently asked questions (FAQ) about the French public healthcare service *Mon espace santé*. It contains 614 QA pairs divided into two subsets: 89 real QA pairs sourced from the official FAQ, and 525 synthetic QA pairs generated via the Qwen3.5 model. The synthetic QA pairs are strictly generated based on the official text without adding any extraneous information. The dataset is split into a training set (584 pairs) and a validation set (30 pairs). Each QA pair includes four fields: question, answer, source (classified as either real or synthetic), and category (corresponding to the specific classification of the original FAQ). This dataset is primarily intended for French healthcare-domain QA tasks, text generation, and instruction fine-tuning, and is particularly suitable for building closed-domain QA assistants focused on the *Mon espace santé* service. The dataset has a small scale (n<1K), making it applicable for fine-tuning in specific domains, but it does not provide medical advice, and its knowledge cutoff is the date of collection.

搜集汇总

数据集介绍

构建方式

该数据集专为法语医疗健康领域的问答系统设计，旨在提升针对法国公共健康平台“Mon espace santé”常见问题的指令微调效果。其构建分为两个层次：官方问答部分通过调用网站后端Drupal CMS的JSON:API接口直接获取89条真实FAQ对，避免了网页抓取带来的结构污染；合成问答部分则以官方答案为上下文，借助Qwen3.5模型（temperature=0.4，top_p=0.9）为每条真实答案生成6个变体，严格约束模型不得引入任何超出原文的信息。最终生成525条合成对，经去重后与真实数据合并，并按95%/5%比例划分为训练集（584条）和验证集（30条）。

特点

该数据集的核心特色在于其“锚定式合成”策略，保证了合成问答的语义忠诚度。所有合成回答均严格源于官方FAQ文本，杜绝了模型凭空编造内容的风险，同时通过多样化提问风格（如同义词替换、直接与间接表述）覆盖用户真实提问场景。数据集结构紧凑，仅614条样本，但类别覆盖官方FAQ的完整主题（如账户访问、隐私管理），且每条样本均标注了来源（real/synthetic）与所属类别，便于研究人员分析不同生成策略的效果差异。

使用方法

数据集以JSONL格式提供，包含train.jsonl与validation.jsonl两个标准拆分，可直接通过HuggingFace Datasets库加载。另提供合并文件monespacesante_faq_qa.jsonl，附加split字段便于一键加载全量数据。适用于对法语医疗FAQ助手进行指令微调，尤其适合参数量为24B左右的Mistral模型。使用时需注意，该知识库固定于数据采集时间点，无法反映政策更新，且不适用于通用问答或医疗诊断场景。

背景与挑战

背景概述

MonEspaceSante-FAQ-QA数据集由法国研究人员于近年创建，聚焦于公共健康服务平台“Mon espace santé”的常见问题解答（FAQ）。该数据集通过融合官方FAQ的89对真实问答与525对合成问答，构建了一个高质量的封闭域问答语料库。其核心研究问题在于如何利用监督微调技术，使语言模型精准回答特定领域（如法国数字健康服务）的FAQ。数据集通过AI（Qwen3.5模型）生成多样化、基于事实的合成问答，显著扩展了训练数据规模，为提升法语医疗FAQ助手的准确性与鲁棒性提供了关键资源，对推动法语自然语言处理在健康领域的应用具有示范意义。

当前挑战

该数据集面临的挑战主要体现在两方面。一是领域问题的挑战：尽管FAQ覆盖了核心服务，但公众健康咨询涉及的高度敏感性与动态变化（如政策更新）要求模型答案严格遵循官方文本，任何创新或过时信息均可能引发严重误导；同时，仅有约600对问答的规模限制了模型对长尾用户意图的泛化能力。二是构建过程的挑战：合成数据生成需确保与官方答案的事实一致性，避免模型胡编乱造，这通过严格的提示设计和链式脱敏（如禁用思维链、低温度采样）来缓解；此外，问答对的高频短语重复与语义重叠导致去重困难，需结合归一化与人工校验。

常用场景

经典使用场景

MonEspaceSante-FAQ-QA数据集是专为法语公共健康服务领域设计的问答数据集，其核心应用场景聚焦于构建封闭域FAQ智能助手。该数据集融合了真实官方FAQ问答对与基于锚定文本生成的合成问答对，旨在提升模型在法国公共卫生数字平台Mon espace santé相关咨询中的应答精度与覆盖范围。通过指令微调范式，研究人员能够利用此数据集训练出具备高度领域专精性的对话系统，使其能够精准回答用户关于平台功能、隐私政策、数据访问等操作性问题，而不会偏离官方知识库的边界。该数据集特别适合用于开发法语医疗健康场景下的轻量级、可部署的问答机器人，其设计理念强调事实一致性，有效避免了生成式模型的幻觉问题。

解决学术问题

在学术研究层面，该数据集为解决封闭域问答中的两个核心挑战提供了宝贵的实验基础：一是如何在小样本真实数据条件下构建高质量的问答系统，二是如何通过可控的合成数据生成来增强模型的泛化能力且不牺牲答案的事实准确性。数据集明确区分了真实问答对（real）与锚定合成对（synthetic），使得研究者能够系统评估数据增强策略对模型性能的影响，并探索不同比例合成数据与真实数据混合训练时的最优配置。此外，该数据集还揭示了小规模垂直领域数据集在指令微调中的潜力与局限，为研究领域适配、知识蒸馏以及低成本模型定制等方向提供了可供复现的基准，推动了法语自然语言处理在精准医疗信息服务中的方法论进展。

衍生相关工作

基于MonEspaceSante-FAQ-QA数据集，衍生了一系列值得关注的研究与工程工作。其中最为直接的是其配套模型MonEspaceSante-FAQ-Mistral-Small-24B-GGUF，该模型通过在该数据集上进行指令微调，展示了如何在小规模专业数据上微调紧凑型语言模型以适配特定领域的问答任务。此外，该数据集的生产流程本身也是一种创新工作：它系统性地展示了从Drupal CMS API提取官方FAQ数据、利用大语言模型进行锚定合成数据生成（closed-QA）、以及实施轻量级数据去重与质量过滤的完整流水线。这一方法学框架为其他缺乏标注数据的垂直领域FAQ系统构建提供了可复现的蓝图，推动了“以少量真实数据 + 可控合成增强”为核心的领域数据工程范式在法语NLP社区中的传播与应用。