# DISC-Med-SFT

许可证声明：有限制（NOASSERTION）；本站处理：只链接原出处。许可证有限制：自身标注 Apache-2.0 比上游更宽，按最严格的上游（cMedQA2 限定非商业研究；MedDialog 版权归 haodf.com）判受限；只链接原出处。

- 能否商用：否 · 能否改编：不明 · 能否再分发：不明 · Mdexa 提供文件：否
- 许可证状态：有限制 (NOASSERTION)
- Mdexa 处理：只链接 — 许可证有限制：自身标注比上游更宽，按最严格的上游（cMedQA2 限定非商业研究；MedDialog 版权归 haodf.com）判受限；只链接原出处。
- 代码仓库许可证：Apache-2.0 (license-file，已核实)
- 来源风险：加工自其他数据集、抓取自网站、真实患者文本、模型生成
- 最近核实：2026-11-12
- 信息卡：https://mdexa.com/zh/datasets/disc-med-sft/

## 关键事实

- 领域：临床医学
- 内容类型：问答、对话与指令数据
- 规模：≈470,000 条 (GitHub); 464,898 行 (HF subset) — GitHub 称近47万条；HF 子集 464,898行
- 语言：中文
- 模态：文本
- 发布方：复旦大学 DISC 实验室（FudanDISC）
- 年份：2023（arXiv 2308.14346）

## DISC-Med-SFT 是否允许商业使用

- 商业使用：否。
- 许可状态：有限制。
结论仅记录来源所述，不构成法律意见。

## DISC-Med-SFT 许可证证据

自身标注 Apache-2.0，但上游 cMedQA2 限定非商业研究（"available for non-commercial research"），上游 MedDialog 的镜像页称数据版权归 haodf.com；按"取所有上游里最严格的"判受限

- **Hugging Face 卡片元数据** — Apache-2.0：HF 数据集卡：Apache-2.0 — "license: apache-2.0" — https://huggingface.co/datasets/Flmc/DISC-Med-SFT (2026-11-12; 亲自打开)
- **仓库许可证文件** — Apache-2.0：GitHub 仓库 Apache-2.0；未单独声明数据许可 — "Apache License Version 2.0, January 2004" — https://github.com/FudanDISC/DISC-MedLLM (2026-11-12; 亲自打开)
- **上游条款**：上游 cMedQA2 的 README（见 cmedqa2 卡片快照 s01）：限定非商业研究 — "available for non-commercial research" — https://github.com/zhangsheng93/cMedQA2 (2026-11-12; 亲自打开)
- **上游条款**：上游 MedDialog 的第三方镜像页（见 meddialog-cn 卡片），二手 — "All copyrights of the data belong to haodf.com." — https://huggingface.co/datasets/UCSD26/medical_dialog (2026-11-12; 仅见二手来源；二手信息，未核实)

## 来源与血缘

由现有数据集重构：MedDialog 400k、cMedQA2 20k、CMeKG 50k、人工偏好数据2k、MedMCQA 8k、MOSS-SFT 33k、Alpaca-GPT4-zh 1k
- 包含：MedDialog (https://mdexa.com/zh/datasets/meddialog-cn/)
- 包含：cMedQA2 (https://mdexa.com/zh/datasets/cmedqa2/)
- 包含：CMeKG
- 包含：MedMCQA
- 包含：MOSS-SFT
- 包含：Alpaca-GPT4-zh

## DISC-Med-SFT 已知问题

- 上游包含 MedDialog（版权归 haodf.com）与 cMedQA2（非商业研究声明），与 Apache-2.0 标注不一致
- HF 仅为子集（不含行为偏好数据）
- 部分数据由大模型重建或构造（快照 s03 原文：「* **多轮对话的问询能力**，我们以真实咨询对话纪录作为信息源，使用大模型进行对话重建，构建过程中要求模型完全对齐对话中的医学信息。」「* **可靠丰富的专业知识**，我们以医学知识图谱作为信息源，通过采样三元组，并使用通用大模型的语言能力进行对话样本的构造。」）

## 预检

未预检（数据未入库）。

## DISC-Med-SFT 下载、接口与获取方式

Mdexa 站内不提供文件。原始出处：
- https://huggingface.co/datasets/Flmc/DISC-Med-SFT
- https://github.com/FudanDISC/DISC-MedLLM

### 取用配方

- .gitattributes · 2 KB · https://huggingface.co/datasets/Flmc/DISC-Med-SFT/resolve/b10eedfc23530ebe257a149b00db73c4162fbfc3/.gitattributes
- DISC-Med-SFT_released.jsonl · 820.4 MB · sha256 34beda9ccf9a7a59399d853c47b378b8212b41df6f80f67b58502074daa9d545 · https://huggingface.co/datasets/Flmc/DISC-Med-SFT/resolve/b10eedfc23530ebe257a149b00db73c4162fbfc3/DISC-Med-SFT_released.jsonl
- README.md · 1 KB · https://huggingface.co/datasets/Flmc/DISC-Med-SFT/resolve/b10eedfc23530ebe257a149b00db73c4162fbfc3/README.md

## DISC-Med-SFT 引用格式

原始资料没有给出推荐引用文本。
- arXiv:2308.14346

## 机器可读

- JSON: https://mdexa.com/datasets/disc-med-sft.json
- 2026-11-13 许可状态由冲突改为受限，处理方式由待确认改为只链接原出处：数据集标注的许可比上游更宽，按最严格的上游判定。
- 2026-11-13 新增专科标签：multi-specialty(inferred)。
- 2026-11-13 新增 model-generated 风险标记（对话由大模型改写重构）；状态与处理方式不变。
- 2026-11-13 移除存储的规模档位标签；档位改为生成页面时由 size 字段计算。
- 2026-11-13 新增数据集标签 4 个（作者声明 2 个，附逐字摘录；据内容推断 2 个）；未改动任何结论。
- 2026-11-12 单独记录代码仓库许可证，不视为数据许可声明。
- 2026-11-12 补入来自已抓取页面快照的许可证逐字摘录与快照编号；未改动任何结论。
- 2026-11-12 把许可证状态拆成 license_status（许可证怎么写）与 hosting（本站怎么处理）；原结论保留以便追溯。
- 2026-11-12 由早期人工整理的目录转换生成，未新增事实；按分类体系 v2 重新归类。

## 在本库继续查找

本条目是 109 条已处理并核实的记录之一（数据集、数据资源与开源模型）。查找其他条目：调用 `https://mcp.mdexa.com/v1/datasets?q=<关键词>`，或连接 MCP 服务 `https://mcp.mdexa.com/mcp`；每分钟 20 次以内无需密钥。每行返回不到 1 KB；空结果即"数据库未收录"。核对一份清单：一次批量核对（免费账号）即返回报告。说明：/agents.md。相似条目：CMtMedQA (https://mdexa.com/zh/datasets/cmtmedqa/)；Huatuo-Llama-Med-Chinese 知识库问答与文献数据 (https://mdexa.com/zh/datasets/huatuo-llama-med-chinese-data/)；BianQueCorpus（扁鹊健康大数据） (https://mdexa.com/zh/datasets/bianque-corpus/)。