HealthBranches：基于决策路径合成临床依据问答数据集
计算与语言
2025-08-12 v1 人工智能
信息检索
机器学习
摘要
HealthBranches 是一个新型医学问答（Q&A）基准数据集，旨在评估大型语言模型（LLM）的复杂推理能力。该数据集通过半自动化管道将医学来源中的显性决策路径转化为具有关联问题和答案的真实患者案例。数据集覆盖 17 个医疗领域的 4,063 个案例研究，每个数据点均基于临床验证的推理链。HealthBranches 支持开放式和多选题两种问答格式，并独特地包含每个 Q&A 的完整推理路径。其结构化设计使能够稳健评估 LLM 的多步骤推理能力，包括其在结构化检索增强生成（RAG）情境下的表现。HealthBranches 为开发更可信、可解释且临床可靠的 LLM 奠定了基础，同时也是教学目的的宝贵资源。
引用
@article{arxiv.2508.07308,
title = {HealthBranches: Synthesizing Clinically-Grounded Question Answering Datasets via Decision Pathways},
author = {Cristian Cosentino and Annamaria Defilippo and Marco Dossena and Christopher Irwin and Sara Joubbi and Pietro Liò},
journal= {arXiv preprint arXiv:2508.07308},
year = {2025}
}