医学知识问答评测集
覆盖常见医学知识检索、证据引用与不确定性表达，重点考察答案准确性、完整性和可追溯性。
- 评价维度：事实一致性、引用质量、边界表达
- 适用场景：医学检索、专业知识助手
评测数据集
面向明确任务的评测集
每类评测明确任务边界、样本构成、评价维度和使用条件，帮助团队比较能力并识别风险。
医药行业信息抽取评测集
从产品、机构、适应症、研究结论等行业文本中抽取结构化信息，检验复杂实体和关系识别能力。
- 评价维度：准确率、召回率、字段一致性
- 适用场景：情报整理、证据结构化
医疗场景安全边界评测集
通过越权请求、隐私数据、诊疗建议和不完整信息等样例，评估模型拒答、提示和人工升级能力。
- 评价维度：风险识别、恰当拒答、人工转交
- 适用场景：上线前安全验证、持续监测
使用说明：页面展示的是评测内容与口径介绍；具体样本、授权范围和使用方式需按数据集版本另行确认。