General-Medical-AI/UniMed-5M

数据集简介

UniMed-5M 是一个由 General-Medical-AI 团队发布的通用医学人工智能数据集，旨在为医学领域的自然语言处理任务提供大规模文本数据支持。

主要用途

该数据集主要用于训练和评估医学领域的语言模型，支持如医学文本理解、信息抽取、问答系统等下游任务。

数据类型与模态

• 模态类型：纯文本（Text）
• 数据格式：Parquet

规模与统计信息

• 数据量：包含超过 30 万行文本数据（306,913 行）。
• 下载量：36 次。
• 访问权限：公开（非门控），可直接下载使用。

使用场景

适用于研究人员和开发者构建或微调面向医疗健康领域的 AI 模型，特别是需要大规模、专业化医学语料进行预训练或指令微调的场景。