synthetic-medical-conversations-deepseek-v3

מה זה

המאגר מכיל שיחות מומצאות לחלוטין בין מטופל ורופא. המקור של כל שיחה הוא זרע שנלקח מרשימת מחלות אנושיות, והתוכן עצמו יוצר על ידי DeepSeek V3 ברמת דיוק BF16. ההנחיה למודל כללה יצירה מכוונת של שגיאות, בלבול וערפול מצד המטופלים, מול תגובות מתקנות והסברים מדויקים מצד הרופאים.

הקבצים במאגר מחולקים לפי שפות וכוללים אנגלית, סינית, יפנית, דנית, גרמנית וצרפתית. הנתונים זמינים בקובצי JSONL וקובצי טקסט גולמיים. לא נעשה כאן סינון או עיבוד אנושי, וכל השורות הן פלט ישיר שנפלט מהמודל כפי שהוא.

מתאים ל

• אימון להתמודדות עם בלבול

  כוונון עדין של מודלים להתמודדות עם מטופלים שמציגים מידע חלקי או מטעה.

• שיפור מערכות אחזור רפואיות

  אימון רכיבי שליית מידע להפחתת הזיות בעת אבחון והכוונת מטופלים.

• אימון צ'אטבוטים בשפות זרות

  פיתוח ממשקי שיחה רפואיים בשפות כמו אנגלית, צרפתית, גרמנית או דנית.

איפה זה נופל

היוצר מציין במפורש שאף אדם לא עבר על השיחות ולא תיקן בהן דבר. מדובר בתוכן סינתטי מלא, ולכן אי אפשר לדעת אילו הזיות או שגיאות קליניות חדרו פנימה במסווה של תיקון רפואי. בנוסף, אין במאגר עברית כלל, אלא רק שש שפות ספציפיות כמו אנגלית, סינית או דנית. אל תכניסו את זה למוצר אמיתי בלי בדיקה ידנית ומדגמית של רופא אנושי.

איך טוענים

אין צורך לבקש אישור גישה למאגר והוא פתוח להורדה ישירה דרך Hugging Face. הנתונים מאורגנים בקובצי JSONL נפרדים לפי שפות, לצד קובצי טקסט גולמיים של הפלטים. לפני שטוענים את המידע לאימון, צריך לבדוק את מבנה הרשומות בכל קובץ שפה, לפרסר את התוכן ולוודא שהשדות תואמים לפורמט השיחה שאתם צריכים.

from datasets import load_dataset

ds = load_dataset("OnDeviceMedNotes/synthetic-medical-conversations-deepseek-v3")

הרישיון

המאגר משוחרר תחת רישיון MIT. הרישיון הזה מתיר שימוש מסחרי, שינוי והפצה, ואינו מחייב אתכם לשחרר מודלים שאימנתם תחת אותו רישיון. התנאי היחיד הוא שמירת הודעת זכויות היוצרים והרישיון המקורי. המשמעות היא שאתם יכולים לאמן מודלים פנימיים או מסחריים על בסיס החומר הזה בלי מגבלות קוד פתוח מחמירות.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗