DISC-Med-SFT

Mdexa 已核实 · 2026-11-12依据公开的判定规则，逐条对照来源原文核实。了解核查方法

能否商用: 否
能否改编: 不明未声明
能否再分发: 不明未声明
Mdexa 提供文件: 否只链接

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

有限制只链接NOASSERTION收藏

徽章

[![Mdexa verified · Restricted · 2026-11](https://mcp.mdexa.com/v1/badge/datasets/disc-med-sft.svg)](https://mdexa.com/datasets/disc-med-sft/)

<a href="https://mdexa.com/datasets/disc-med-sft/"><img src="https://mcp.mdexa.com/v1/badge/datasets/disc-med-sft.svg" alt="Mdexa verified · Restricted · 2026-11" height="20"></a>

可放置于代码仓库或数据集页面；状态与日期随核实结果更新。说明

引用本页Mdexa, DISC-Med-SFT, https://mdexa.com/zh/datasets/disc-med-sft/, 核实于 2026-11-12.

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

关键事实

领域: 临床医学现代医学
内容: 问答、对话与指令数据问诊与知识问答微调数据
规模: ≈470,000 条GitHub
464,898 行HF subset
原文：GitHub 称近47万条；HF 子集 464,898行
语言 / 模态: 中文 / 文本
发布方: 复旦大学 DISC 实验室（FudanDISC）
年份: 2023（arXiv 2308.14346）
专家审核: 人工整理偏好数据2k条；其余未说明
核实等级: 已核实：看到许可证文字

DISC-Med-SFT 是否允许商业使用

商业使用：否。 许可状态为有限制。

原文与出处见 DISC-Med-SFT 许可证证据。

结论仅记录来源所述，不构成法律意见。

DISC-Med-SFT 许可证证据 4

按"取所有上游里最严格的"判受限

代码仓库许可证为 Apache-2.0。这是代码仓库的许可，不是数据许可声明。 LICENSE 文件 · 已核实 s04

Hugging Face 卡片元数据亲自打开

Apache-2.0
第三方原文 · Hugging Face 卡片元数据license: apache-2.0
HF 数据集卡：Apache-2.0

huggingface.co2026-11-12 · s01
仓库许可证文件亲自打开

Apache-2.0
第三方原文 · 仓库许可证文件Apache License Version 2.0, January 2004
GitHub 仓库 Apache-2.0；未单独声明数据许可

github.com2026-11-12 · s04
上游条款亲自打开

第三方原文 · 上游条款available for non-commercial research
上游 cMedQA2 的 README（见 cmedqa2 卡片快照 s01）：限定非商业研究

github.com2026-11-12
上游条款仅见二手来源

第三方原文 · 上游条款All copyrights of the data belong to haodf.com.
上游 MedDialog 的第三方镜像页（见 meddialog-cn 卡片），二手

二手信息，未核实

huggingface.co2026-11-12

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
包含cMedQA2
包含CMeKG未收录
包含MedMCQA未收录
包含MOSS-SFT未收录
包含Alpaca-GPT4-zh未收录

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，预检只对入库数据运行，不代表质量好坏。

DISC-Med-SFT 下载、接口与获取方式

Mdexa 不提供文件，原因见结论。到原始出处获取，使用前请再确认条款：

条款有限制，不提供下载命令，详见结论。

DISC-Med-SFT 引用格式

Mdexa, DISC-Med-SFT, https://mdexa.com/zh/datasets/disc-med-sft/, 核实于 2026-11-12.

更多引用信息

原始资料没有给出推荐引用文本，上面是本信息卡的引用。

arXiv:2308.14346

机器可读

disc-med-sft.jsondisc-med-sft.mdcatalog.json

修改记录 9

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。

与 DISC-Med-SFT 相似的数据集

CMtMedQAMdexa 已核实多轮对话微调宽松只链接 ≈6.8万段对话 2026-11-12

许可证宽松，但有来源风险：源自真实患者文本；只链接原出处。
临床医学 · 问答、对话与指令数据 · 真实患者文本
打开信息卡收藏

共同：适用用途微调 · 任务形式多轮对话 · 专科综合多专科 · 领域临床医学 · 内容问答、对话与指令数据
Huatuo-Llama-Med-Chinese 知识库问答与文献数据Mdexa 已核实多轮对话微调有限制只链接 ≥8,000 问答对 2026-11-12

许可证有限制：README 写明严禁商用；只链接原出处。
临床医学 · 生物医学文献 · 问答、对话与指令数据 · 模型生成
打开信息卡收藏

共同：适用用途微调 · 任务形式多轮对话 · 专科综合多专科 · 领域临床医学 · 内容问答、对话与指令数据
BianQueCorpus扁鹊健康大数据Mdexa 已核实多轮对话微调有限制只链接 1000万条（声称） 2026-11-12

许可证有限制：官方 README 写明本项目仅可用于非商业研究，按"限制从宽认定"对语料有效；只链接原出处。
临床医学 · 问答、对话与指令数据 · 加工自其他数据集 · 抓取自网站 · 真实患者文本
打开信息卡收藏

共同：适用用途微调 · 任务形式多轮对话 · 专科综合多专科 · 领域临床医学 · 内容问答、对话与指令数据
ChatMed_Consult_DatasetMdexa 已核实开放问答微调冲突待确认 54.9万行 2026-11-12

许可证各处声明冲突：HF 元数据 CC BY 4.0 与卡片正文 CC BY-NC 4.0 冲突；确认前只链接原出处。
临床医学 · 问答、对话与指令数据 · 抓取自网站 · 模型生成
打开信息卡收藏

共同：适用用途微调 · 任务形式开放问答 · 专科综合多专科 · 领域临床医学 · 内容问答、对话与指令数据
Chinese-medical-dialogue-dataToyhomMdexa 已核实开放问答微调宽松只链接 79.2万问答对 2026-11-12

许可证宽松，但有来源风险：来源未说明，无法判断来源版权；只链接原出处。
临床医学 · 问答、对话与指令数据 · 来源未说明
打开信息卡收藏

共同：适用用途微调 · 任务形式开放问答 · 专科综合多专科 · 领域临床医学 · 内容问答、对话与指令数据

现代医学75

传统医学24

通用12

专题合集

模型8