数据集信息 MedXpertQA 是一个专为评估专家级医学知识和高级推理能力而设计的基准数据集。该数据集包含4,460个问题,涵盖17个专业领域和11个器官系统。MedXpertQA 包括两个子集:Text 子集用于文本评估,MM 子集用于多模态评估。特别地,MM 子集通过结合丰富的影像和临床信息,如病历记录和检查结果,提供专家级的考试题目...
PubMedQA 是一个生物医学问题回答(QA)数据集,由PubMed摘要收集而来。PubMedQA的任务是利用相应的摘要来回答研究问题,这些问题的答案格式为是/否/也许(例如:“术前他汀类药物是否能在冠状动脉旁路移植术后减少房颤?”)。数据集包含 1000 个专家标注的QA实例、6.12 万个未标注的实例和 21.13 万个人工生成的QA实例...
一、QA 问题训练数据集格式的概述 QA 问题训练数据集格式是一种常用于训练和评估问答系统性能的数据集格式。这种格式的数据集通常包含大量问题和对应答案的实例，可帮助机器学习模型学习如何准确回答用户提出的问题。二、QA 问题训练数据集格式的主要组成部分 QA 问题训练数据集格式主要包括以下三个部分：1.问题：问题...
金融问答QA数据集的建立对于提升金融智能问答系统的性能和准确性至关重要。 金融问答QA数据集通常包含以下几个方面的内容: 1.金融知识问题:这些问题涉及金融领域的基本概念、金融产品、金融市场等方面的知识。例如,“什么是股票?”、“什么是证券市场?”等问题。 2.金融产品问题:这些问题涉及金融产品的种类、功能、...
二、让我们一起看一下MultiChartQA数据集 MultiChartQA是一个创新的基准数据集,专门设计来评估MLLMs在多图表场景下的理解能力。包含了从多个来源(Arxiv、OECD、OWID和Pew研究中心)收集的多图表文章,设计了四种不同类型的问题,每种问题都与同一篇文章中的多个图表配对。每个问题和答案都经过人工注释,以确保高质量。
研究者评估了16个主流MLLMs在MultiChartQA上的性能,结果显示与人类相比存在显著的性能差距,突出了多图表理解的挑战性。 三、展望MultiChartQA数据集应用: 比如,我现在正在研究一篇关于农业产量和气候变化之间关系的科学论文。 这篇论文里,有一大堆图表,有的显示了过去几十年里不同地区的玉米产量,有的展示了同期的降...
数据集信息 CMtMedQA 数据集是由郑州大学的研究者构建的,被用于训练中文医学LLM“仲景”,旨在显著提升模型在复杂对话和主动询问启动方面的能力。该数据集是中文多轮医疗对话数据集,基于约 70,000 个真实的医生-患者对话构建,涵盖了14个不同的医疗部门。这些对话数据不仅包括了疾病的诊断、用药建议、健康咨询等10多个...
数据集支持多语言应用拓展了使用范围。方便不同语言背景用户开展相关研究。它能为教育领域科学教学提供资源。教师可借助其中题目设计课堂练习。用于评估学生对科学知识的掌握程度。还能启发教师创新科学教学方法。在科学科普方面ScienceQA数据集也有作用。可依据其中内容制作科普材料。吸引大众对科学知识的学习兴趣。推动科学知识...
3.数据特点:该数据集的特点是问题覆盖面广,涵盖了各种类型的金融知识问题,如政策解读、市场分析、投资策略等。同时,答案的准确性也较高,能够为训练金融知识问答系统提供有力的支持。 4.数据应用:该数据集可用于训练金融知识问答系统的模型,帮助用户快速获取所需的金融知识信息。通过训练模型,可以提升系统的准确性和响...
MedicationQA 是一个关于消费者药物问题的问答数据集,由美国国立医学图书馆(NLM)下属的 Lister Hill 国家生物医学通信中心的研究人员创建。数据集的问题来源于消费者通过 NLM 的 MedlinePlus 网站提交的真实问题。研究人员先用 MetaMapLite 工具对问题进行医学实体识别,筛选出以药物名称为焦点的问题,再由人工从中挑选出...