一句话摘要

伊斯兰科技大学的Muna等人提出FirstAidQA——一个通过ChatGPT-4o-mini基于提示的上下文学习生成并经人工验证的5,500条高质量急救问答对合成数据集，旨在解决时间敏感、低网络连接场景下离线可用系统训练轻量级大语言模型（LLM）和小型语言模型（SLM）所需的领域专用应急响应数据稀缺问题。

主要贡献

• 识别出急救领域专用数据集的缺失是轻量级AI在低网络连接应急场景部署的关键障碍，提出FirstAidQA合成数据集：基于《关键急救手册》通过上下文学习，经严格预处理与人工验证，利用ChatGPT-4o-mini生成5,500组问答对。
• 通过三位医疗专家对随机抽取的200组问答对进行安全性和准确性验证，评估标准包括安全完整性与相关性，并在提供评估表格中记录需谨慎处理的 flagged 示例。
• 专为微调小型语言模型设计FirstAidQA结构，使应急响应系统具备离线能力，延续Cahlen等在离线急救系统等资源受限医疗应用中已验证有效的技术方法。

引言

作者针对低网络连接区域缺乏即时精准急救指导的痛点展开研究——此类场景中可靠互联网接入难以保障，但及时准确的急救指导关乎生命。现有方案（如基于FAQ的聊天机器人或商用语音助手）常缺失循证步骤或提供不完整指令，而现有医疗问答数据集聚焦临床记录或通用健康信息，缺乏面向公众的实操性分步急救指南。Self-Instruct等合成数据集虽证明LLM具备可扩展数据生成潜力，但缺乏急救领域特异性。作者核心贡献FirstAidQA通过合成数据生成，专为离线场景提供可靠、符合指南的急救指令，填补该高风险领域的专用资源空白。

数据集

• 作者提出FirstAidQA合成数据集，包含5,500组聚焦急救与应急响应场景的问答对。数据通过基于提示的上下文学习，由ChatGPT-4o-mini生成，源材料严格限定于认证版*《关键急救手册》(2019年版)*。
• 关键类别细节：
  • 总量：5,500组问答对覆盖15类紧急情况（如心肺复苏、烧伤、骨折、头部外伤、出血处理）。
  • 来源：源自*《关键急救手册》*的文本片段，经人工分段保留上下文（如伤员转运协议或烧伤处理步骤）。
  • 筛选：排除无关理论内容，仅保留适用于真实应急场景的文本用于问答生成。
  • 安全规则：提示词明确约束LLM仅基于提供上下文生成答案，并通过多样化主题采样降低偏差。
• 该数据集支持轻量级LLM/SLM的指令微调与精细调优，适用于低网络连接环境的离线部署。作者使用完整数据集（未指定训练/验证集划分）训练需快速可靠应急指导的模型，强调实操程序知识而非临床诊断。
• 处理流程包括：源文本上下文分块、结构化JSON格式输出生成（每批提示生成20组问答）、人工验证准确性/安全性、迭代优化确保多样性（如补充儿科/老年场景）。未采用裁剪策略，而是通过保留上下文的分块维持边缘设备部署的情境相关性。

实验

• 三位医疗专家对随机抽取的200组问答对进行专家评估，验证清晰度、相关性、具体性与完整性、安全准确性，平均评分记录于表2
• 表3与表4重点标注含潜在不安全指令的问答对，提示数据集使用时需谨慎处理

作者通过专家评估对200组问答对的四项标准进行评分，取三位医疗专家平均值。结果显示相关性得分最高（4.7分），安全准确性最低（3.7分），表明问题定位精准且表述清晰，但部分答案存在医学不准确或不安全内容。