Датасет · starmpcc
Синтетические клинические заметки с вопросами
starmpcc/Asclepius-Synthetic-Clinical-Notes
157 тыс. синтетических выписок с парами вопрос-ответ для обучения клинических LLM.
Что внутри
Датасет построен в формате клиническая заметка — вопрос — ответ для обучения клинических LLM. Синтетические заметки создали из отчётов PMC-Patients с помощью GPT-3.5, затем сгенерировали пары инструкция-ответ для 157 тыс. синтетических выписок. Покрыты 8 задач, включая named entity recognition; язык — английский.
Что можно сделать
- Дообучить клиническую LLM на SFT
- Обучить суммаризацию клинических заметок
- Проверить QA по клиническим текстам
- Задачи
- Вопрос-ответ, Суммаризация, Генерация текста
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 1,5 тыс.
- Лайков
- 120
Модели, обученные на нём
- mradermacher/Sanad-1.0-i1-GGUF 2,3 тыс.
- microsoft/MediPhi-InstructГенерация текста 2,1 тыс.
- TheBloke/Asclepius-13B-GGUFГенерация текста 2,1 тыс.
- microsoft/MediPhi-ClinicalГенерация текста 1,9 тыс.
- microsoft/MediPhiГенерация текста 1,8 тыс.
- mradermacher/Asclepius-Llama3-8B-i1-GGUF 1,2 тыс.
- mradermacher/MediPhi-i1-GGUF 1 тыс.
- mradermacher/Asclepius-Llama2-7B-Pretraining-Only-i1-GGUF 1 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("starmpcc/Asclepius-Synthetic-Clinical-Notes")