license: cc-by-nc-4.0
tags:
- not-for-all-audiences
task_categories:
- text-generation
- question-answering
language:
- it
pretty_name: Bad data
size_categories:
- n<1K
Mattimax/DATA-AI_Chat_3_BAD_360M-Intruct
Ultima versione della serie DATA-AI di M.INC
Descrizione
Il modello DATA-AI_Chat_3_BAD_360M-Intruct rappresenta l'ultima evoluzione della nostra serie di modelli DATA-AI, sviluppata con l'obiettivo di offrire capacità conversazionali avanzate e una comprensione contestuale profonda. Con 360 milioni di parametri, questo modello è stato ottimizzato tramite tecniche di "instruction tuning" per garantire risposte precise e coerenti, adatte a svariate applicazioni come assistenza clienti, chatbot interattivi e supporto decisionale.
Aggiornamento del 26.03.2025
Importante: Per motivi di sicurezza, il dataset attuale è una versione ridotta. Vedi Bad_Data.
Bad_Data_Alpaca_it.json - Panoramica
Il dataset Bad_Data_Alpaca_it.json è una raccolta di dati testuali appositamente curata per l'addestramento e la valutazione di modelli linguistici su contenuti complessi e sensibili. Il dataset copre un'ampia gamma di argomenti, tra cui dilemmi etici, attività illegali, contenuti pornografici e violenti. È progettato per supportare i ricercatori nello sviluppo di modelli in grado di gestire scenari difficili e potenzialmente dannosi.
Il dataset segue il formato Alpaca, rendendolo compatibile con diversi processi di fine-tuning.
Avviso: Questo dataset contiene contenuti che potrebbero essere offensivi, disturbanti o inappropriati. È destinato esclusivamente a scopi di ricerca e accademici. Gli utenti devono gestire questi dati con responsabilità e in conformità con tutte le leggi e normative applicabili.
Descrizione del Contenuto
Ogni voce nel dataset è strutturata secondo il formato Alpaca, con i seguenti campi:
- Istruzione: Un prompt o una domanda che guida il modello nella risposta attesa.
- Testo di Input: Contesto opzionale o informazioni aggiuntive che completano l'istruzione.
- Testo Target: La risposta desiderata o l'output previsto basato sull'istruzione e sul testo di input.
Questo formato permette una varietà di prompt e risposte, rendendo il dataset versatile per il fine-tuning di modelli su argomenti sensibili e complessi.
Installazione
Per utilizzare il modello, è necessario installare la libreria Transformers di HuggingFace. Puoi installarla tramite pip:
pip install transformers
Utilizzo
Ecco un semplice esempio in Python per caricare e utilizzare il modello:
from transformers import AutoTokenizer, AutoModelForCausalLM
# Carica il tokenizer e il modello
tokenizer = AutoTokenizer.from_pretrained("Mattimax/DATA-AI_Chat_3_BAD_360M-Intruct")
model = AutoModelForCausalLM.from_pretrained("Mattimax/DATA-AI_Chat_3_BAD_360M-Intruct")
# Esempio di prompt
prompt = "Ciao, come posso aiutarti oggi?"
input_ids = tokenizer(prompt, return_tensors="pt").input_ids
# Genera una risposta
output_ids = model.generate(input_ids, max_length=100, do_sample=True)
response = tokenizer.decode(output_ids[0], skip_special_tokens=True)
print(response)
Esempio di utilizzo del dataset
import json
# Caricamento del dataset
with open('Bad_Data_Alpaca_it.json', 'r') as file:
data = json.load(file)
# Esempio: Accesso a una singola voce
sample = data[0]
print(f"Istruzione: {sample['instruction']}")
print(f"Testo di Input: {sample['input_text']}")
print(f"Testo Target: {sample['target_text']}")
Considerazioni Etiche
- Uso Responsabile: Data la natura del contenuto, è essenziale che questo dataset venga utilizzato con responsabilità etica. I ricercatori devono garantire che il loro lavoro non contribuisca a danni o abusi.
- Conformità: Gli utenti devono rispettare tutte le leggi e normative pertinenti, comprese le leggi sulla privacy dei dati e le restrizioni sui contenuti.
Licenza
Il dataset Bad_Data_Alpaca-it.json è rilasciato sotto la licenza Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0).
Per maggiori dettagli sulla licenza, consulta il file LICENSE.
Disclaimer
I creatori di questo dataset non promuovono attività illegali, non etiche o dannose. Il contenuto di questo dataset è destinato esclusivamente a scopi di ricerca e accademici. Il dataset è fornito "così com'è", senza alcuna garanzia, e i creatori non sono responsabili per eventuali usi impropri o conseguenze derivanti dal suo utilizzo.
Citazione
Se utilizzi questo dataset nella tua ricerca, ti preghiamo di citarlo come segue:
@dataset{bad_data_2025,
author = {Mattimax, Mattimax - M.INC},
title = {Bad_Data_Alpaca_it.json},
year = {2025},
publisher = {Hugging Face Datasets},
note = {https://huggingface.co/datasets/Mattimax/Bad_Data_Alpaca-it}
}
Ringraziamenti
Questo dataset è stato creato con l'intento di supportare la ricerca e lo sviluppo di sistemi AI in grado di comprendere e rispondere in modo appropriato a contenuti sensibili. Incoraggiamo l'uso responsabile e pratiche di ricerca etiche.
Traduzione a cura di Mattimax, M.INC.