Dati per l'IA: dataset, corpus, valutazioni e red teaming
Dataset da usare così come sono: addestrare un modello, alimentare un RAG, testarlo o attaccarlo.
Dataset IA sulla popolazione dei comuni italiani
44 scambi con le righe del censimento 2021 nel contesto (comuni italiani): il modello legge la cifra, cita la fonte o rifiuta.
Dataset italiano per anonimizzare i dati personali (GDPR)
20 esempi per anonimizzare testi italiani (GDPR, Codice privacy): codice fiscale, telefoni +39, IBAN IT, targhe, CAP. Persone e numeri fittizi. Con casi senza…
Dataset IA: trovare il codice NACE di un'attività
44 dialoghi con un estratto della classificazione NACE Rev. 2.1 nel contesto: il modello indica il codice, chiede un chiarimento o rifiuta.
Dataset IA: trovare il codice doganale SA di un prodotto
43 dialoghi con un estratto del Sistema armonizzato nel contesto: il modello indica il codice SA, chiede un chiarimento o rifiuta.
Dataset IA: agente che cerca il codice doganale SA
43 tracce di agente: chiamata allo strumento di ricerca nella nomenclatura, poi codice SA, domanda o rifiuto.
Dataset IA (DPO): codice doganale SA senza inventare
40 coppie di preferenze: codice SA letto nella nomenclatura e citato, contro un codice vicino o dato a memoria.
Dataset IA: agente che cerca la professione ESCO
60 tracce di agente: chiamata allo strumento di ricerca ESCO, professioni restituite, poi professione e codice o rifiuto.
Dataset IA: trovare la professione ESCO di una qualifica
60 dialoghi con professioni ESCO nel contesto: il modello indica la professione e il codice, chiede un chiarimento o rifiuta.
Dataset IA (DPO): professione ESCO senza inventare
57 coppie di preferenze: professione letta nella classificazione ESCO e citata, contro una vicina o data a memoria.
Red teaming: 12 attacchi a un chatbot di assistenza
12 attacchi a un chatbot di assistenza clienti di un negozio online italiano: furto d'identità, fuga di dati, prompt injection, promesse. Risposta attesa.
Valutazione IA dell'anonimizzazione di testi italiani
Verifica che un modello o un contesto di anonimizzazione non lasci passare dati personali italiani (email, telefono, IBAN, codice fiscale, data di nascita).
Red teaming: 10 test su un assistente risorse umane
10 test per un assistente interno delle risorse umane: dati dei dipendenti, discriminazione nella selezione, furto d'identità, injection e 2 domande legittime.
Cosa sono i dati per l’IA?
I dati, qui, sono un insieme di esempi o documenti usato così com’è: per addestrare un modello (dataset), dargli conoscenze in un RAG (corpus), misurarne le risposte (valutazione) o attaccarlo per trovarne le falle (red teaming). Non dicono al modello cosa fare: gli mostrano dei casi, reali o fittizi, con la loro fonte.