choonok/Qwen3.5-397B-AISFT-SAMPLE

---
language:
- ko
license: apache-2.0
task_categories:
- question-answering
- text-generation
tags:
- veterinary
- medical
- sft
- korean
- qwen
size_categories:
- 10K<n<50K
---

# Qwen3.5-397B-AISFT-SAMPLE

수의학 도메인 SFT(Supervised Fine-Tuning) 데이터셋입니다.
실제 동물병원 진료 차트, 수의학 논문, 수의학 용어집을 기반으로 `nvidia/Qwen3.5-397B-A17B-NVFP4` 모델이 생성하고, 동일 모델이 6개 항목(24점 만점)으로 평가하여 20점 이상 통과한 고품질 Q-A 쌍입니다.

## Dataset Summary

| 항목 | 수치 |
|------|------|
| 총 데이터 수 | **17,026건** |
| 도메인 | 진료 / 연구 / 용어집 (3개) |
| 언어 | 한국어 (영문 의학용어 병기) |
| 생성 모델 | nvidia/Qwen3.5-397B-A17B-NVFP4 |
| 평가 모델 | nvidia/Qwen3.5-397B-A17B-NVFP4 |
| 평가 기준 | 6개 항목, 24점 만점, 20점 이상 통과 |
| 추정 총 토큰 수 | ~10.6M tokens |

## Domain Distribution

| 도메인 | 건수 | 비율 | 소스 |
|--------|------|------|------|
| 진료 | 5,500 | 32.3% | 실제 동물병원 진료 차트 기록 (4개 병원) |
| 연구 | 6,118 | 35.9% | 수의학 저널 논문 11개 분야 |
| 용어집 | 5,408 | 31.8% | 수의학 용어 코퍼스 77,765개 중 필터링 |

## Statistics

| 항목 | 평균 | 최소 | 최대 |
|------|------|------|------|
| 질문 길이 (chars) | 153 | 33 | 445 |
| 답변 길이 (chars) | 782 | 265 | 2,224 |

## Quality Assurance

각 Q-A 쌍은 LLM 기반 자동 평가를 거쳐 다음 6개 항목에서 채점됩니다:

**진료 도메인**: question_quality, answer_structure, clinical_accuracy, mandatory_elements, safety, source_integrity

**연구 도메인**: question_quality, answer_structure, clinical_accuracy, knowledge_internalization, mandatory_elements, safety

**용어집 도메인**: question_quality, answer_structure, clinical_accuracy, mandatory_elements, completeness, safety

- 각 항목 1~4점, 총 24점 만점
- **20점 이상만 수록** (약 83% 이상 달성)

## Data Format

```json
{
"messages": [
{"role": "user", "content": "11세 말티즈(중여, 3kg) mammary osteosarcoma stage 4 진단, 심장질환 동반 시 항암 프로토콜은?"},
{"role": "assistant", "content": "[치료 옵션]\n1. NSAID 단독: piroxicam 0.3mg/kg PO SID...\n[심장질환 동반 시 주의]\n- doxorubicin 심독성 위험으로 금기 고려..."}
],
"domain": "진료"
}
```

## Source Data

### 진료
- 4개 동물병원의 실제 진료 차트 기록 (JSONL)
- 환자정보, 진료기록, 처방 내역 포함
- 질문 유형: 빠른 사실 확인(A), 감별/추론(B), 치료/프로토콜(C), 의사결정(D), 차트 작성(E), 보호자 설명(F), 학술 근거(G), 교육/설명(H)

### 연구
- 11개 수의학 저널 논문 (Vet Surgery, Vet Dermatology, Vet Radiol Ultrasound 등)
- 논문 지식을 내재화된 임상 Q-A로 변환 (특정 논문 인용 없이 교과서 톤)
- 질문 유형: 예후/생존(I), 약물/치료법(J), 감별진단/검사(K), 치료법 비교(L)

### 용어집
- 77,765개 수의학 용어 코퍼스에서 임상 관련 용어 필터링
- 구조화 라벨 형식 ([정의][정상범위][임상의미][감별][주의])
- 질문 유형: 현장즉답(M), 임상접근(N), 감별진단(O), 프로토콜(P), 검사해석(Q), 용량/투약(R), 영상해석(S), 시술(T), 질환/진단(U)

## Guideline Design

본 데이터셋의 Q-A 생성 가이드라인은 10명의 가상 수의사 전문가 패널(내과, 외과, 종양학, 마취과, 영상의학, 피부과, 신경과, 정형외과, 응급/중환자 — 경력 3~20년, 1차/2차/대학병원)의 설문 기반 컨센서스로 설계되었습니다.

## Intended Use

- 수의학 도메인 LLM의 SFT(Supervised Fine-Tuning)
- Replay 데이터와 혼합하여 도메인 특화 + 범용 능력 유지
- 권장 혼합 비율: 수의학 SFT 30~40% + 범용 Replay 60~70%

## Limitations

- 자동 생성 + 자동 평가 데이터로, 수의사의 직접 검수를 거치지 않았습니다
- 연구 도메인은 논문 인용 없이 내재화된 지식으로 서술하므로 출처 추적이 불가합니다
- 진료 도메인의 원본 차트는 특정 병원들의 데이터로, 지역/기관 편향이 있을 수 있습니다

## Citation

```bibtex
@dataset{choonok_aisft_sample_2026,
title={Qwen3.5-397B-AISFT-SAMPLE: Veterinary Domain SFT Dataset},
author={Choonok Company},
year={2026},
publisher={Hugging Face},
url={https://huggingface.co/datasets/choonok/Qwen3.5-397B-AISFT-SAMPLE}
}
```

---
language:
- 韩语
license: Apache-2.0
task_categories:
- 问答
- 文本生成
tags:
- 兽医
- 医疗
- SFT(Supervised Fine-Tuning，监督微调)
- 韩语
- Qwen
size_categories:
- 10000<n<50000
---

# Qwen3.5-397B-AISFT-SAMPLE
本数据集为兽医领域监督微调（Supervised Fine-Tuning，SFT）数据集，基于真实动物医院诊疗记录、兽医学术论文及兽医学术语集生成。数据由`nvidia/Qwen3.5-397B-A17B-NVFP4`模型生成，并由同一模型以6个评估项（满分24分）进行筛选，仅收录得分20分及以上的高质量问答对。

## 数据集概览
| 项目 | 数值 |
|------|------|
| 总数据量 | **17,026条** |
| 覆盖领域 | 诊疗、研究、术语集（共3类） |
| 语言 | 韩语（附带英文医学术语） |
| 生成模型 | `nvidia/Qwen3.5-397B-A17B-NVFP4` |
| 评估模型 | `nvidia/Qwen3.5-397B-A17B-NVFP4` |
| 评估标准 | 6个评估项，满分24分，20分及以上为合格 |
| 预估总Token数 | ~10.6M Tokens |

## 领域分布
| 领域 | 条数 | 占比 | 来源 |
|------|------|------|------|
| 诊疗 | 5,500 | 32.3% | 4家动物医院的真实诊疗记录 |
| 研究 | 6,118 | 35.9% | 11个细分领域的兽医学期刊论文 |
| 术语集 | 5,408 | 31.8% | 从77,765条兽医学语料库中筛选得到 |

## 统计信息
| 项目 | 平均值 | 最小值 | 最大值 |
|------|--------|--------|--------|
| 问题长度（字符数） | 153 | 33 | 445 |
| 回答长度（字符数） | 782 | 265 | 2,224 |

## 质量保障
每一组问答对均经过基于大语言模型的自动评估，评估项根据领域不同分为三类：
- **诊疗领域**：问题质量、回答结构、临床准确性、必填要素、安全性、来源完整性
- **研究领域**：问题质量、回答结构、临床准确性、知识内化、必填要素、安全性
- **术语集领域**：问题质量、回答结构、临床准确性、必填要素、完整性、安全性

所有评估项均采用1~4分制，总分24分，仅收录得分≥20分的样本，整体通过率约83%。

## 数据格式
json
{
"messages": [
{"role": "user", "content": "11岁马尔济斯犬（雌性，体重3kg）确诊乳腺骨肉瘤IV期，并发心脏疾病时的抗肿瘤治疗方案是什么？"},
{"role": "assistant", "content": "[治疗选项]
1. 非甾体抗炎药（NSAID）单药治疗：吡罗昔康（piroxicam）0.3mg/kg 口服 每日一次...
[并发心脏疾病时注意事项]
- 多柔比星（doxorubicin）存在心脏毒性风险，需视为禁忌证谨慎考虑..."}
],
"domain": "诊疗"
}

## 原始数据源
### 诊疗领域
- 4家动物医院的真实诊疗记录（JSONL格式），包含患者信息、诊疗日志、处方明细
- 问题类型涵盖：快速事实核查(A)、鉴别推理(B)、治疗方案(C)、临床决策(D)、病历书写(E)、宠主沟通(F)、学术依据(G)、教学说明(H)

### 研究领域
- 覆盖11个细分领域的兽医学期刊论文（如《Vet Surgery》《Vet Dermatology》《Vet Radiol Ultrasound》等）
- 将论文核心知识转化为内化的临床问答内容，不引用特定原始论文，采用教科书式叙述风格
- 问题类型涵盖：预后/生存期(I)、药物/治疗方案(J)、鉴别诊断/检查(K)、治疗方案对比(L)

### 术语集领域
- 从77,765条兽医学语料库中筛选临床相关术语
- 采用结构化标签格式：[定义][正常范围][临床意义][鉴别要点][注意事项]
- 问题类型涵盖：现场即时解答(M)、临床路径(N)、鉴别诊断(O)、治疗方案(P)、检查结果解读(Q)、剂量/给药方式(R)、影像解读(S)、临床操作(T)、疾病/诊断(U)

## 指南设计
本数据集的问答生成指南基于10名虚拟兽医专家小组的调研共识制定，专家覆盖内科、外科、肿瘤学、麻醉学、影像医学、皮肤病学、神经病学、骨科学、急诊/重症监护等领域，从业年限3~20年，均来自一级/二级/大学附属医院。

## 预期用途
- 用于兽医领域大语言模型的监督微调（SFT）
- 可与通用重播数据混合，兼顾领域专业化能力与通用语言能力
- 推荐混合比例：兽医SFT数据30%~40% + 通用重播数据60%~70%

## 局限性
- 本数据集为自动生成并自动评估的结果，未经过兽医专业人员的直接审核
- 研究领域内容基于内化知识撰写，未引用原始论文，无法追溯具体来源
- 诊疗领域的原始数据来自特定几家动物医院，可能存在地域或机构层面的偏差

## 引用格式
bibtex
@dataset{choonok_aisft_sample_2026,
title={Qwen3.5-397B-AISFT-SAMPLE: Veterinary Domain SFT Dataset},
author={Choonok Company},
year={2026},
publisher={Hugging Face},
url={https://huggingface.co/datasets/choonok/Qwen3.5-397B-AISFT-SAMPLE}
}