MedQA 医学文本问答数据集

* 该数据集支持在线使用，点击此处跳转。

MedQA 数据集是一个面向医学领域的问答数据集，模拟了美国医疗执照考试 (USMLE) 的风格，由麻省理工大学和华中科技大学的研究团队于 2020 年发布，相关论文成果为「What Disease does this Patient Have? A Large-scale Open Domain Question Answering Dataset from Medical Exams」。该数据集从专业医学考试中收集，涵盖英语、简体中文和繁体中文，分别包含 12,723 、 34,251 和 14,123 个问题，旨在评估模型对医学知识的理解和应用能力。。

MedQA 数据集的构建基于专业医疗执照考试，确保了问题的高质量和专业性。除了问题数据外，还收集并发布了一个大规模的医学教科书语料库，阅读理解模型可以从中获取回答问题的必要知识。数据集分为训练集、开发集和测试集，分别用于模型训练、验证和测试。