К содержимому

Датасет · microsoft

Медицинские инструкции для SFT и DPO от Microsoft

microsoft/mediflow

Синтетический датасет на 2,5 млн клинических инструкций на английском языке для SFT и DPO-выравнивания.

Что внутри

Набор содержит 2,5 миллиона строк (около 700 тысяч уникальных инструкций) и табличные данные на английском языке для клинического NLP, охватывающие 14 типов задач и 98 видов медицинских документов. В сплите mediflow лежат данные для SFT, а в mediflow_dpo — около 135 тысяч лучших инструкций с отклонёнными ответами от GPT-4o для DPO.

Что можно сделать

  • SFT-дообучение медицинских языковых моделей и LoRA-адаптеров
  • DPO-выравнивание LLM на клинических задачах
  • Автоматизация обработки и анализа медицинских документов
Задачи
Генерация текста
Языки
Английский
Размер
1M–10M записей
Скачиваний за месяц
334
Лайков
54

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("microsoft/mediflow")