Dataset Card for [Dataset Name]

  Dataset Summary

The task of PubMedQA is to answer research questions with yes/no/maybe (e.g.: Do preoperative statins reduce atrial fibrillation after coronary artery bypass grafting?) using the corresponding abstracts.

  Supported Tasks and Leaderboards

The official leaderboard is available at: https://pubmedqa.github.io/. 500 questions in the pqa_labeled are used as the test set. They can be found at… See the full description on the dataset page: https://huggingface.co/datasets/qiaojin/PubMedQA.

PubMedQA - A Dataset for Biomedical Research Question Answering

  Dataset Description

Links

Homepage: Github.io

Repository: Github

Paper: arXiv

Leaderboard: PapersWithCode

Contact (Original Authors): Qiao Jin (qiaojin.andy@gmail.com)

Contact (Curator): Artur Guimarães (artur.guimas@gmail.com)

  Dataset Summary

The task of PubMedQA is to answer research questions with yes/no/maybe (e.g.: Do preoperative statins reduce atrial fibrillation… See the full description on the dataset page: https://huggingface.co/datasets/araag2/PubMedQA.

reference: https://github.com/FreedomIntelligence/HuatuoGPT-o1/blob/main/evaluation/data/eval_data.json

元データ: https://huggingface.co/datasets/HPAI-BSC/PubmedQA-Mixtral-CoT 使用したコード: https://github.com/LLMTeamAkiyama/0-data_prepare/tree/master/src/PubmedQA-Mixtral-CoT データ件数: 206,962 平均トークン数: 586 最大トークン数: 1,922 合計トークン数: 121,366,170 ファイル形式: JSONL ファイル分割数: 3 合計ファイルサイズ: 532.2 MB 加工内容：

文字数によるフィルタリング:

question (質問) 列の文字数が 6,000文字を超える データを削除します。 response (応答) 列の文字数が 80,000文字を超える データを削除します。

応答 (response) の分割:

response 列を、思考プロセスを記述した「thought」部分と、最終的な結論である「answer」部分に分割します。 分割には Answer: や The answer… See the full description on the dataset page: https://huggingface.co/datasets/LLMTeamAkiyama/clean_pubmedqa_mixtral_cot.