白泽中医药大模型语料库

版本：3.0
语料数量：157,438 条
语言：中文
领域：中医药（Traditional Chinese Medicine, TCM）
格式：问答对（QA Pair）
用途：中医药大模型训练、知识问答系统、语义理解研究

---

📚 简介

“白泽中医药大模型语料库”是一个专注于中医药领域的高质量问答语料集合，旨在支持中医药知识的数字化、智能化应用。语料库共包含 157,438 条 经过整理与校对的问答对，涵盖中医基础理论、中药学、方剂学、诊断学、针灸推拿、经典医籍、临床实践等多个子领域。

本语料库可广泛应用于：

• 中医药大语言模型的预训练与微调
• 智能问答系统开发
• 医学自然语言处理任务（如实体识别、关系抽取）
• 中医药知识图谱构建

---

🧩 数据内容

每条语料为一个标准的问答对，格式如下：

{
    "instruction": "广义转录组和狭义转录组在定义上的主要区别是什么？",
    "input": "",
    "output": "广义转录组是指从一种细胞或组织的基因组所转录出来的所有RNA的总和，包括编码蛋白质的信使RNA（mRNA）以及各种非编码RNA（ncRNA）。而狭义转录组则特指细胞在特定时间点上，编码蛋白质的基因所对应的mRNA分子的集合，不包含非编码RNA。因此，两者在定义上的主要区别在于涵盖范围的不同：广义转录组包含所有类型的转录产物，既包括mRNA也包括ncRNA，反映的是基因组整体的转录活动；而狭义转录组仅聚焦于能够指导蛋白质合成的mRNA部分，代表的是蛋白质编码基因的转录状态。",
    "system": ""
  }