为什么重要
CBLUE 是中文生物医学 NLP 的标准评测平台，覆盖了中文医疗场景的核心 NLP 任务。对于中文医疗 LLM 的评估不可或缺，补充了 MedQA 和 PubMedQA 在中文领域的空白。
构建方式
- 整合 8 个中文生物医学 NLP 数据集
- 任务包括：命名实体识别（CMeEE）、关系抽取（CMeIE）、临床术语标准化（CHIP-CDN）、文本分类、意图识别等
- 统一评测框架和排行榜
任务示例
NER 任务：“患者因’反复咳嗽咳痰 3 年，加重伴气喘 1 周’入院” → 识别症状、时间、身体部位等实体 关系抽取：从病历中识别药物-疾病、症状-疾病等关系
关键发现
- 中文医学 NER 中，用药相关实体识别准确率最高
- 临床术语标准化仍是难点（同一疾病多种表达）
- 大模型在零样本设定下已接近专门微调模型
关联基准
不足与展望
- 部分任务数据集规模偏小
- 缺乏多模态医学任务（如影像报告）
- 需要持续跟进中文医学术语更新