---
title: MedTranslation-Data
canonical_url: "https://www.modelscope.cn/datasets/InfoxmedModel/MedTranslation-Data"
md_url: "https://www.modelscope.cn/datasets/InfoxmedModel/MedTranslation-Data.md"
repository: InfoxmedModel/MedTranslation-Data
chinese_name: "医学翻译数据集"
last_updated: 2026-08-04
license: Apache-2.0
downloads: 330
stars: 0
---

# MedTranslation-Data

> MedTranslation-Data - InfoxmedModel 在 ModelScope 开源的数据集。Medical English-to-Chinese translation dataset (MedTranslation-Data): 4501 sentence-level medical+general parallel samples for LoRA SFT, 999 golden eval, 108 safety tests, and 16718 cleaned drug/term…

InfoxmedModel/MedTranslation-Data 是 ModelScope 魔搭社区上的数据集，采用 Apache-2.0 许可。

- **Repository**: InfoxmedModel/MedTranslation-Data
- **License**: Apache-2.0
- **Downloads**: 330
- **Stars**: 0
- **Last updated**: 2026-08-04

Source: https://www.modelscope.cn/datasets/InfoxmedModel/MedTranslation-Data

---

## 数据概览

| 子集 | 文件 | 条数 | 用途 |
|------|------|:--:|------|
| 训练集 | `training/sft_v1_train.jsonl` | 4,501 | LoRA SFT 训练 |
| 验证集 | `training/sft_v1_dev.jsonl` | 499 | 训练过程验证 |
| 黄金评测集 | `eval/golden_eval_en2zh.jsonl` | 999 | BLEU/chrF/COMET 评测 |
| 文献评测集 | `eval/eval_literature_en2zh.jsonl` | 50 | 文献翻译评测(新增) |
| 安全测试集 | `eval/safety_test.jsonl` | 108 | 医学翻译安全性检测 |
| 文献安全测试 | `eval/safety_literature_en2zh.jsonl` | 27 | 文献场景安全性检测(新增) |
| 术语库 | `terminologies/terms_global_clean.jsonl` | 16,718 | 药物/疾病术语对齐 |
| 文献术语(人工) | `terminologies/terms_literature_curated.jsonl` | 254 | 统计/方法/分子生物学术语(新增) |
| 文献术语(MeSH) | `terminologies/terms_literature_supplement.jsonl` | 4,475 | MeSH 文献相关主题词参考(未翻译,未用于训练) |

---

## 训练数据构成

| 数据源 | 条数 | 领域 | 来源说明 |
|------|:--:|------|------|
| ParaMed (NEJM) | 2,000 | 医学 | 新英格兰医学杂志句子级对齐 |
| WMT22 生物医学 | 1,500 | 医学 | PubMed 摘要平行语料 |
| UN Parallel | 800 | 通用 | 联合国平行语料（保持通用能力） |
| News Commentary | 700 | 通用 | 新闻评论语料（保持通用能力） |

医学占比 70%，通用占比 30%。

---

## 数据格式

### 训练集 / 验证集

Chat 格式 JSONL，每行一条：

```json
{
  "messages": [
    {"role": "user", "content": "Translate the following segment from English to Chinese, without additional explanation.\n\nTerminology (must use these translations):\n- hepatitis B virus → 乙型肝炎病毒\n\nSegment: ...\n\nChinese translation:"},
    {"role": "assistant", "content": "中文译文..."}
  ],
  "src": "英文原文",
  "tgt": "中文参考译文",
  "applied_terms": ["hepatitis B virus→乙型肝炎病毒"],
  "source": "wmt22_en2zh",
  "domain": null
}
```

### 黄金评测集

```json
{
  "id": "golden_0000",
  "src": "英文原文",
  "tgt": "中文参考译文",
  "direction": "en2zh",
  "domain": "infectious_disease",
  "source": "golden_wmt18",
  "split": "test"
}
```

### 安全测试集

```json
{
  "id": "safety_001",
  "source": "英文原文",
  "good_translation": "正确译文",
  "bad_translation": "错误译文（典型错误示例）",
  "error_type": "negation_reversal",
  "risk_level": "critical",
  "split": "test"
}
```

错误类型包括：`dosage_error`、`unit_error`、`negation_reversal`、`drug_name_confusion`、`diagnosis_addition`。

### 术语库

```json
{
  "term_id": "TERM-000001",
  "source_term": "Ofloxacin Tablets",
  "target_term": "氧氟沙星片",
  "source_lang": "en",
  "target_lang": "zh",
  "domain": "pharmacology",
  "term_type": "drug",
  "priority": 55,
  "source_db": "InfoXmed"
}
```

术语来源：NMPA 国药准字号药品、UMLS、MeSH、SNOMED CT、InfoXmed 药物库。已移除 89,680 条 UMLS LOINC 实验室代码噪声。

---

## 配套模型

[InfoxmedModel/InfoMed-MT-7B-MedZh](https://modelscope.cn/models/InfoxmedModel/InfoMed-MT-7B-MedZh)

---

## 许可与声明

本数据集仅供研究学习使用。医学翻译内容不构成医疗建议。

---

*Infoxmed 团队 · 2026年7月*