RealMedQA：一项包含现实临床问题的生物医学问答数据集的试点研究

本研究解决了临床问答系统在实际应用中缺乏符合医疗专业人士需求的数据集的问题。提出的RealMedQA数据集通过人工与大型语言模型生成现实的临床问题，证明了LLM在生成“理想”问答配对方面的成本效益。研究结果显示，与现有数据集相比，RealMedQA在问题与答案之间的词汇相似度较低，增加了各种问答模型的挑战性。