MedINST：生物医学指令的元数据集
计算与语言
2024-10-18 v1
摘要
大型语言模型（LLM）技术在医学分析领域的集成带来了显著的进展，但大规模、多样且标注完整的数据集的稀缺仍是主要挑战。医学数据和任务因格式、规模及其他参数的不同，需进行大量预处理和标准化，以有效用于训练 LLM。为此，我们引入 MedINST，即生物医学指令的元数据集，这是一个新的多领域、多任务指令元数据集。MedINST 包含 133 个生物医学 NLP 任务，超过 700 万训练样本，目前最为全面且完善的生物医学指令数据集。以 MedINST 作为元数据集，我们构建了 MedINST32，一个具有不同任务难度的挑战性基准，用于评估 LLM 的跨任务泛化能力。我们在 MedINST 上微调多个 LLM，并在 MedINST32 上进行评估，展示了增强的跨任务泛化能力。
引用
@article{arxiv.2410.13458,
title = {MedINST: Meta Dataset of Biomedical Instructions},
author = {Wenhan Han and Meng Fang and Zihan Zhang and Yu Yin and Zirui Song and Ling Chen and Mykola Pechenizkiy and Qingyu Chen},
journal= {arXiv preprint arXiv:2410.13458},
year = {2024}
}