Dados para a IA: datasets, corpora, avaliações e red teaming
Conjuntos de dados para usar tal como estão: treinar um modelo, alimentar um RAG, testá-lo ou atacá-lo.
Dataset de IA sobre a população dos municípios de Portugal
37 diálogos com a tabela do INE no contexto (Censos 2021, 308 municípios): o modelo lê o número, cita a fonte ou recusa.
Dataset português de anonimização de dados pessoais (RGPD)
20 exemplos para anonimizar textos de Portugal (RGPD, Lei 58/2019): NIF, telefones +351, IBAN PT, matrículas, códigos postais. Pessoas e números fictícios. Com…
Dataset de IA: agente que procura o código aduaneiro SH
43 traços de agente: chamada à ferramenta de pesquisa na nomenclatura, depois código SH, pergunta ou recusa.
Dataset de IA: encontrar o código aduaneiro SH de um produto
43 diálogos com um extrato do Sistema Harmonizado no contexto: o modelo indica o código SH, pede um esclarecimento ou recusa.
Dataset de IA (DPO): código aduaneiro SH sem inventar
40 pares de preferências: código SH lido na nomenclatura e citado, contra um código vizinho ou dado de memória.
Dataset de IA: agente que procura a profissão ESCO
60 traços de agente: chamada à ferramenta de pesquisa ESCO, profissões devolvidas, depois profissão e código ou recusa.
Dataset de IA: encontrar a profissão ESCO de um cargo
60 diálogos com profissões ESCO no contexto: o modelo indica a profissão e o código, pede um esclarecimento ou recusa.
Dataset de IA (DPO): profissão ESCO sem inventar
57 pares de preferências: profissão lida na classificação ESCO e citada, contra uma vizinha ou dada de memória.
Dataset de IA: encontrar o código NACE de uma atividade
44 diálogos com um extrato da classificação NACE Rev. 2.1 no contexto: o modelo indica o código, pede um esclarecimento ou recusa.
Dataset de IA sobre a população dos municípios do Brasil
43 diálogos com a tabela do IBGE no contexto (estimativas 2025, 5.571 municípios): o modelo lê o número, cita a fonte ou recusa.
Avaliação de IA da anonimização de textos portugueses
Verifica que um modelo ou um contexto de anonimização não deixa passar dados pessoais portugueses (e-mail, telefone, IBAN, NIF, data de nascimento).
O que são dados para a IA?
Os dados, aqui, são um conjunto de exemplos ou documentos usado tal como está: para treinar um modelo (dataset), dar-lhe conhecimentos num RAG (corpus), medir as suas respostas (avaliação) ou atacá-lo para encontrar as suas falhas (red teaming). Não dizem ao modelo o que fazer: mostram-lhe casos, reais ou fictícios, com a sua fonte.