# 证据问答与检索增强训练数据（SHP-MED-06-037）

证据问答与检索增强的训练样本。语料文书切成证据块，每条问题先判可答性，再经一次检索运行取得带排名与分数的候选。可答的问题给出回答、支持证据与精确到字符区间的引用。不可答的问题写明缺什么材料。可用于检索增强问答训练、拒答能力对齐与检索链路回归。
所属体系：医疗模型训练。
实体 13 个：语料文书 · 证据块 · 问题 · 回答 · 引用 · 支持证据 · 候选证据 · 不可答记录 · 检索运行 · 复核记录 · 数据划分 · 数据质量项 · 来源沿袭。
字段 178 个（交付范围内的字段总数）。
可获得的业务字段（示例）：查询文本 · 问题类别 · 可答性 · 语料范围 · 复核状态 · 语料版本 · 文书领域 · 文书正文 · 语料角色 · 客户面是否含正文 · 证据块正文 · 分块版本 · 起始偏移 · 结束偏移 · 检索版本 · 语料快照版本 · 证据截点 · 运行状态 · 候选排名 · 候选分数 · 证据角色 · 支持状态 · 矛盾说明 · 参考答案 · 回答依据 · 答案状态 · 引用正文 · 拒答依据 · 缺失证据 · 语料边界声明 · 证据已核 · 答案边界已核 · 复核时间 · 复核说明 · 数据划分名称 · 分组键 · 分组策略 · 泄漏防护策略 · 问题代码 · 严重程度 · 处理方式 · 影响范围 · 记录状态 · 可用时间 · 缺失原因 等。
实体关系 4 组：问题经检索运行连接到多个证据块候选，候选排名与支持关系分列 · 可回答的问题连接一个回答、至少一条支持证据与逐句引用 · 引用以 Unicode 半开坐标定位到具体的证据块版本。按坐标截取的文字必须与引用正文一致 · 不可回答的问题连接一条不可答记录，不生成回答、支持证据与引用。
数据集组织形式：语料快照 ＋ 问题清单 ＋ 单一问题文件夹 ＋ 元数据文件。问题文件夹内含检索运行、候选证据、支持证据，以及回答与引用或不可答记录。。
数据量：按项目商定。
字段范围：按项目的数据来源与加工范围商定。
交付与供应方式：数据集交付：清单 CSV／Parquet ＋ 单一对象文件夹 ＋ Meta.jsonl／Parquet；API 调用；Token 计量；数巨有谱可信数据空间连接器合约使用。
数据取得方式：数据资源持有方书面授权。
数据来源机构：医疗机构（含等级医院、社区医院及康复机构、疾控机构）。
数据加工机构：数巨有谱或数据资源持有方。
数据经营机构：数巨有谱（经营权权利人）。
许可：评估与研究使用许可。
更新日期：2026-08-05。

## 样例

二十四条问题，其中十六条在声明语料内可答、八条不可答。语料含四十八个证据块，一半是直接证据，一半是主题相近却不含所需证据的检索干扰块。每条问题配一次检索运行，运行带检索版本、语料快照版本与证据截点。每条问题另配两个带排名和分数的候选。可答的十六条各连一份回答、一条支持证据与一条精确到字符区间的引用。不可答的八条各连一条写明缺什么材料的不可答记录，并附语料边界声明。

## 使用场景

- 医疗科技企业 · 检索增强生成产品团队｜医疗问答的引用可回溯与拒答训练｜获得：引用可高亮到原句、拒答带具体缺口的检索增强训练语料
- 医院信息中心 · 病历问答与查房辅助｜院内病历问答的语料边界与出处呈现｜获得：出处可见、语料范围明确的院内问答底料
- 医疗信息化企业 · 检索系统与知识库工程｜检索链路的可复算基线与分块口径对齐｜获得：可复算、分块口径明确的检索链路基线数据
- 药械与医学事务团队 · 材料问答与证据边界｜依据材料作答的操作规范与边界表述｜获得：不超出材料作答、缺口可成清单的问答规范底料

## 常见问题

问：证据问答与检索增强训练数据包含哪些内容？
答：证据问答与检索增强训练数据（SHP-MED-06-037）交付检索增强问答训练样本：语料文书切成证据块，每条问题先判可答性，经检索运行取得带排名与分数的候选；可答问题给出回答、支持证据与精确到字符区间的引用，不可答问题写明缺什么材料。

问：证据问答与检索增强训练数据适合做什么？
答：适合检索增强生成（RAG）问答模型训练与拒答能力对齐，干扰块成对给出，可训练在相近文本中挑出真正依据；也适合院内病历问答的出处呈现设计、检索链路的可复算回归基线，以及依据材料作答的操作规范制定。

问：证据问答与检索增强训练数据有样例吗？怎么交付？
答：产品页提供明确标识的自产样例：二十四条问题，其中十六条可答、八条不可答，配四十八个证据块，一半为直接证据、一半为检索干扰块，引用精确到字符区间。交付形态含数据集、API 调用、Token 计量与可信数据空间连接器。

问：证据问答与检索增强训练数据如何定制与起步？
答：语料范围可选单一语料域或多语料域组合，再按问题类别、不可答问题比例、干扰候选强度、证据块粒度与专科范围定制，起订量为 2,000 条问答样本，数据量按项目商定。可先申请开源子集或测试数据核对检索运行与引用格式。

问：证据问答与检索增强训练数据与哪些产品搭配？
答：常与临床指令微调训练数据（SHP-MED-06-036）互补单轮任务形态的指令样本，与医疗检索增强生成(RAG)评测集（SHP-MED-07-046）对照同一能力的成题评测，与临床文书分类与章节切分数据（SHP-MED-05-031）取得语料分块的文书结构与坐标。


## 关联数据集

- SHP-MED-06-036 临床指令微调训练数据：单轮任务形态的指令样本
- SHP-MED-07-046 医疗检索增强生成(RAG)评测集：同一能力做成成题评测的对照
- SHP-MED-05-031 临床文书分类与章节切分数据：语料分块所依据的文书结构与坐标

页面：https://www.shujuyoupu.com/datasets/catalog/products/SHP-MED-06-037/