| # Biology QA (生物) |
|
|
| 本目录提供 **biology_qa** 子集，已按本项目统一的提交规范整理。 |
| |
| | Item | Value | |
| |------|-------| |
| | Subject id | `biology_qa` | |
| | File | `biology_qa.json` | |
| | Records | **79,950** | |
| | Approx. size | 391.9 MB | |
| | Source | `sci_data/biology_qa` | |
| | Origin | `merged_all_11_qa_step2_correct.json` (filtered: `match=true` & `evaluator_judgment=true`) | |
| |
| ## Required Format |
| |
| 每条样本统一使用以下字段： |
| |
| | Field | Description | |
| |-------|-------------| |
| | `question` | 题目或任务文本 | |
| | `answer` | 简短最终答案，尽量从最终 `\boxed{}` 中抽取 | |
| | `solution` | 不带 `<think>` 标签的完整推理过程 | |
| | `cot_answer` | 带 `<think>...</think>` 的推理过程，标签后给出最终答案 | |
| | `instruction` | system prompt | |
| | `source` | 数据来源标识 | |
| |
| ## Example (real record from this subset) |
| |
| ```json |
| { |
| "question": "发明人痘的人是下列哪个国家的\nA. 中国\nB. 土耳其\nC. 英国\nD. 德国\nE. 美国", |
| "answer": "A", |
| "solution": "Solution:\n1. 确定\"人痘\"的历史背景：\n→ 人痘接种术是中国古代预防天花的免疫方法，最早可追溯至宋代文献记载。\n\n2. 考察各国贡献：\n→ 中国明代医生发明将天花痂皮吹入鼻腔的接种法（人痘）\n→ 土耳其在18世纪传播该技术到欧洲\n→ 英国爱德华·詹纳于1796年发明牛痘疫苗（非人痘）\n\n3. 关键区分：\n→ 题干明确询问\"人痘\"而非牛痘\n→ 牛痘疫苗由英国人发明（选项C），但人痘技术源自中国\n\n\\boxed{A}", |
| "cot_answer": "<think>\n好的，我现在需要解决的问题是：发明人痘的人是下列哪个国家的，选项包括中国、土耳其、英国、德国和美国。首先，我得弄清楚什么是“人痘”。根据之前学过的知识，人痘应该是指早期的天花疫苗接种技术，也就是种痘术。\n\n接下来，我需要回忆一下种痘术的历史。我记得天花是一种古老的疾病，古代中国和中东地区可能有早期的免疫实践。但真正科学意义上的疫苗是由爱德华·詹纳（Edward Jenner）发明的。他使用牛痘病毒来接种，从而预防天花。爱德华·詹纳是英国人，所以这可能对应选项C，英国。\n\n不过，题目里问的是“人痘”，而詹纳用的是牛痘。这里可能存在翻译或者术语的问题。是不是题目中的“人痘”指的是牛痘疫苗？如果是的话，那答案应该是英国。但有没有可能题目中的“人痘”指的是更早期的人工免疫方法，比如中国的种人痘法？\n\n中国的种痘术，比如“人痘接种法”，是在詹纳之前就存在的。这种方法是将天花患者的痂皮吹入健康人的鼻孔中，使其获得免疫力。这种方法在古代中国有记载，后来传到土耳其，再由土耳其传到欧洲。例如，蒙塔古夫人（Lady Mary Wortley Montagu）在土耳其了解到这种方法后，带回英国推广。但这种方法使用的是天花病毒本身，风险较高，而詹纳的方法更安全，使用牛痘。\n\n题目问的是“发明人痘的人”，如果这里的“人痘”指的是早期的人痘接种术，那么答案可能是中国，因为中国有较早的记载。但如果是问现代疫苗的发明者，则英国。但问题中的选项是否涉及这些呢？\n\n需要再仔细看一下题目选项：选项A是中国，B是土耳其，C是英国，D德国，E美国。根据历史知识，中国在宋代就有种痘术的记载，而土耳其可能是在传播过程中起到作用，比如奥斯曼帝国时期。而爱德华·詹纳是英国人，发明牛痘疫苗，但题目中的“人痘”可能指的是牛痘疫苗吗？或者这里的“人痘”是翻译的问题？\n\n可能题目中的“人痘”指的是天花疫苗的发明者， ... (truncated)", |
| "instruction": "Solve the problem below step by step, showing clear reasoning at each stage. Put your final answer in \\boxed{}.", |
| "source": "sci_data/biology_qa" |
| } |
| ``` |
| |
| ## LlamaFactory Mapping |
| |
| | JSON Field | LlamaFactory Role | |
| |------------|------------------| |
| | `instruction` | `prompt` | |
| | `question` | `query` | |
| | `cot_answer` | `response` | |
| | `solution` | alternative `response` | |
| |
| 可参考根目录下 `dataset_info.json` 直接注册： |
| |
| ```json |
| "sci_biology_qa": { |
| "file_name": "biology_qa/biology_qa.json", |
| "formatting": "alpaca", |
| "columns": { |
| "prompt": "instruction", |
| "query": "question", |
| "response": "cot_answer" |
| } |
| } |
| ``` |
| |
| ## Checklist |
| |
| - [x] 字段名严格一致：`question`, `answer`, `solution`, `cot_answer`, `instruction`, `source` |
| - [x] `solution` 中不含 `<think>` 标签 |
| - [x] `cot_answer` 保留 `<think>...</think>` 格式 |
| - [x] `answer` 简短规范 |
| - [x] `source` 可追溯（`sci_data/biology_qa`） |
| - [ ] 大文件请按 Git LFS 方式提交（本子集 ~391.9 MB） |
| |
| ## Notes |
| |
| - 数据来源于 `merged_all_11_qa_step2_correct.json`（已通过 `match` 与 `evaluator_judgment` 双重校验）。 |
| - `cot_answer` 原始来自模型 rollout，`solution` 来自原教材题解（已去除 markdown 图片引用以外的内容）。 |
| - 若教材原解答里引用了图片（``），目前**未随附图片文件**；如需多模态训练请额外补齐图片。 |
| |
