openlifescienceai/medmcqa|医学考试数据集|自动问答数据集

MedMCQA是一个大规模的多选题问答数据集，专门设计用于解决现实世界中的医学入学考试问题。数据集包含了超过194,000个高质量的AIIMS和NEET PG入学考试多选题，涵盖了2,400个医疗主题和21个医学学科。每个样本包含一个问题、正确答案和其他选项，这些问题需要更深层次的语言理解，因为它们测试了模型在广泛医学学科和主题上的10多种推理能力。数据集还提供了详细的解决方案解释。数据集的目标是为自然语言处理社区提供一个开源数据集，以促进未来在问答系统方面的研究。

原始信息汇总

数据集概述

名称: MedMCQA

描述: MedMCQA是一个大规模的多选题问答（MCQA）数据集，旨在解决实际医学入学考试问题。该数据集包含超过194,000个高质量的AIIMS和NEET PG入学考试多选题，覆盖2,400个医疗保健主题和21个医学科目。

语言: 英语

许可: Apache-2.0

多语言性: 单语

大小: 100K<n<1M

源数据: 原始数据

任务类别:

• 问答
• 多选题

任务ID:

• multiple-choice-qa
• open-domain-qa

数据集信息:

• 特征:

  • id: 字符串，问题标识符
  • question: 字符串，问题文本
  • opa, opb, opc, opd: 字符串，选项A, B, C, D
  • cop: 类标签，正确选项（a, b, c, d）
  • choice_type: 字符串，问题类型（单选/多选）
  • exp: 字符串，专家答案解释
  • subject_name: 字符串，医学科目名称
  • topic_name: 字符串，医学主题名称

• 数据分割:

  • train: 182,822个问题
  • test: 6,150个问题
  • validation: 4,183个问题

数据集结构

• 数据实例: 每个实例包含问题、正确答案、其他选项、答案解释、所属科目和主题。

• 数据字段:

  • id: 问题标识符
  • question: 问题文本
  • opa, opb, opc, opd: 选项
  • cop: 正确选项
  • choice_type: 问题类型
  • exp: 答案解释
  • subject_name: 科目名称
  • topic_name: 主题名称

• 数据分割: 训练集包含所有收集的模拟和在线测试系列，测试集包含所有AIIMS PG考试多选题，验证集包含NEET PG考试多选题。

数据集创建

• 来源数据: 数据从官方网站和书籍中收集，覆盖1991年至今的AIIMS和NEET PG考试题目。

• 语言创建者: 专家生成

• 注释: 数据集不包含额外注释。