Datasetpublic

rewrewrv343/medqa-distill-sft

MedQA-Distill-SFT 医学多选题 → 中文推理 SFT 数据（由 MedQA 题库经 LLM API 蒸馏生成）从 MedQA（美国 USMLE / 中国执业医师考试）多选题蒸馏而来：每题包含题目、选项、逐步临床推理（中文）和答案。用于微调中文医学大模型（SFT / LoRA）。数据统计字段数值总条数 39,618 训练集 35,656 验证集 3,962 来源 Provider DeepSeek / TokenRhythm / Agnes-CN / NVIDIA 推理语言中文（英文题也生成中文推理）数据格式（Alpaca） { "instruction": "题目：A 23-year-old pregnant woman...\n选项：\nA. ...\nB. ...\nC. ...\nD. ...\nE. ...", "input": "", "output":… See the full description on the dataset page: https://huggingface.co/datasets/rewrewrv343/medqa-distill-sft.

sourceHugging Facemitupdated 2mo agoView on Hugging Face

0likes46downloads

Dataset Card

MedQA-Distill-SFT

医学多选题 → 中文推理 SFT 数据（由 MedQA 题库经 LLM API 蒸馏生成）

从 MedQA（美国 USMLE / 中国执业医师考试）多选题蒸馏而来：每题包含题目、选项、逐步临床推理（中文） 和答案。用于微调中文医学大模型（SFT / LoRA）。

数据统计

字段	数值
总条数	39,618
训练集	35,656
验证集	3,962
来源 Provider	DeepSeek / TokenRhythm / Agnes-CN / NVIDIA
推理语言	中文（英文题也生成中文推理）

数据格式（Alpaca）

json

{
  "instruction": "题目：A 23-year-old pregnant woman...\n选项：\nA. ...\nB. ...\nC. ...\nD. ...\nE. ...",
  "input": "",
  "output": "患者为孕22周孕妇，主诉排尿烧灼感，符合急性单纯性膀胱炎...\n答案：A",
  "source": "tokenrhythm-us",
  "answer": "A"
}

来源分布

source	条数	说明
deepseek-us4	8,714	美国 MedQA（DeepSeek 蒸馏）
deepseek-zh	4,613	中国 MedQA（DeepSeek 蒸馏）
tokenrhythm-us	10,421	美国 MedQA（TokenRhythm 补充）
tokenrhythm-zh	15,751	中国 MedQA（TokenRhythm 补充）
agnes-cn / nvidia	119	补充

使用

python

from datasets import load_dataset

ds = load_dataset("syi2005s-design/medqa-distill-sft")
print(ds["train"][0])

生成工具

配套开源工具链：medqa-distill（MIT License）

免责声明

—仅用于研究/教育目的，禁止用于临床决策
—数据由 LLM 生成，可能存在医学错误，使用前请人工抽检
—MedQA 原始数据集仅限研究用途