中国科学院计算机网络信息中心 发布 AIReady 数据集, 应用在 生物医学研究、自然语言处理 领域

中国科学院计算机网络信息中心 本次发布的数据集 AIReady, AIReady数据集由中国科学院计算机网络信息中心和中国科学院大学的研究人员创建，旨在解决现有开源科学语料库在生物医学研究中数量和质量不足的问题。该数据集包含超过23百万篇生物医学研究文章，通过一个多智能体框架从这些文章中自动提取、合成和评估高质量的文本数据。这些数据被用于训练大型语言模型，使其在生物医学问答任务中表现出色。数据集的创建过程涉及多个步骤，包括问题生成、上下文检索、问题评估和答案生成，所有这些步骤均通过多智能体协作完成，以确保数据与生物医学本体的一致性。AIReady数据集的主要应用领域是生物医学大型语言模型的训练，旨在解决生物医学问答任务中的挑战。

查看AIReady

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。