Medical-R1-Distill-Data-Chinese

מה זה

הנתונים מיועדים לכוונון עדין של מודלים ומבוססים על בעיות רפואיות מאומתות בסינית, שמקורן בפרויקט הואטואו ג'י פי טי או אחת. התוכן נוצר דרך פניות ישירות לגרסה המלאה של ה־API של דיפסיק אר אחת, במטרה לתעד את שרשרת ההסקה המלאה של המודל עד להגעה לתשובה הסופית.

המאגר כולל שלושה קבצים, כשהקובץ העיקרי הוא קובץ ג'ייסון בשם medical_r1_distill_sft_Chinese.json. הכרטיס לא מפרט על חלוקה מובנית לסט אימון ובדיקה נפרדים, ולא מציין סכמת שדות מלאה מעבר להיותו קובץ נתונים לכוונון מודלים למשימות מענה על שאלות ויצירת טקסט.

מתאים ל

• אימון שרשראות חשיבה

  כוונון מודלים פתוחים להפקת תהליכי הסקה רפואיים ארוכים לפי הדפוס של דיפסיק אר אחת.

• מענה על שאלות קליניות

  בניית מערכות שמסבירות את הצעדים בדרך לתשובה על בעיות רפואיות בסינית.

• מחקר על זיקוק ידע

  בדיקת איכות ההסקה שמועברת ממודל חשיבה גדול אל מודלים קטנים יותר.

איפה זה נופל

ההתמקדות היא ברפואה בשפה הסינית, כשרשימת התגיות מציינת גם אנגלית אך עיקר המיקוד המוצהר הוא שאלות סיניות. אין פה אף מילה בעברית או התאמה לפרוטוקולים רפואיים מקומיים, ולכן תרגום או שימוש עיוור בהסקה כזו בישראל עלול להיות שגוי מיסודו. בנוסף, מדובר בפלט שזוקק ממודל שפה ולא בתיעוד קליני אנושי שנכתב בידי רופאים בשטח, כך שחובה להעריך את דיוק שרשראות החשיבה לפני שמבססים עליהן מוצר אמיתי.

איך טוענים

טוענים את הקובץ ישירות דרך ספריית הדאטהסטס של האגינג פייס או מורידים ישירות את קובץ הג'ייסון מהמאגר. אין כאן שום תהליך אישור, הגישה פתוחה מיד. הקובץ המרכזי מגיע בפורמט ג'ייסון סטנדרטי למשימות מענה על שאלות ויצירת טקסט, כך שצריך לפרסר את המבנה הפנימי כדי לחלץ את שאלות המקור ואת שרשרת ההסקה שנוצרה.

from datasets import load_dataset

ds = load_dataset("FreedomIntelligence/Medical-R1-Distill-Data-Chinese")

הרישיון

הרישיון המדווח הוא אפאצ'י שתיים אפס. הוא מתיר שימוש חופשי כולל שימוש מסחרי, שינוי של הנתונים והפצה מחודשת, בתנאי ששומרים על הודעת הרישיון המקורית ומעניקים קרדיט ליוצרים. מודל שתאמנו על הנתונים אינו מחויב להיפתח ברישיון זהה.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗