sapienzanlp/it-Magpie-Llama-3.1-Pro-300K-Filtered-easy

---
language:
- en
- it
size_categories:
- 10K<n<100K
dataset_info:
features:
- name: id
dtype: int64
- name: text
dtype: string
- name: uuid
dtype: string
- name: model
dtype: string
- name: gen_input_configs
struct:
- name: input_generator
dtype: string
- name: pre_query_template
dtype: string
- name: seed
dtype: 'null'
- name: temperature
dtype: float64
- name: top_p
dtype: float64
- name: instruction
dtype: string
- name: response
dtype: string
- name: task_category
dtype: string
- name: other_task_category
sequence: string
- name: task_category_generator
dtype: string
- name: difficulty
dtype: string
- name: intent
dtype: string
- name: knowledge
dtype: string
- name: difficulty_generator
dtype: string
- name: input_quality
dtype: string
- name: quality_explanation
dtype: string
- name: quality_generator
dtype: string
- name: llama_guard_2
dtype: string
- name: reward_model
dtype: string
- name: instruct_reward
dtype: float64
- name: min_neighbor_distance
dtype: float64
- name: repeat_count
dtype: int64
- name: min_similar_uuid
dtype: string
- name: instruction_length
dtype: int64
- name: response_length
dtype: int64
- name: language
dtype: string
- name: instruction_it
dtype: string
- name: response_it
dtype: string
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 571262153
num_examples: 59070
download_size: 266524472
dataset_size: 571262153
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

# Dataset Card: Magpie-Llama-3.1-Pro-300K-Filtered (Italian Translation)

## Dataset Summary

This dataset is the **Italian translation** of the [Magpie-Llama-3.1-Pro-300K-Filtered](https://huggingface.co/datasets/Magpie-Align/Magpie-Llama-3.1-Pro-300K-Filtered) dataset, designed specifically for **instruction tuning** in Italian. We translated the instances whose 'difficulty' value is 'easy'. The translation was carried out using **TowerInstruct-Mistral-7B-v0.2**.

- **Languages**: Italian (translated from English)
- **Purpose**: Instruction tuning in Italian
- **Train Size**: 59070

New fields added include:

```python
{
"messages": list # the translated conversation in Italian, presented in chat template format.
"instruction_it": str # the translated instruction in Italian.
"response_it_": str # the translated response in Italian.
}
```

These additions make the dataset suitable for Italian-speaking AI models and multilingual systems requiring instruction following data in Italian.

## Author

Alessandro Scirè ([e-mail])

语言：
- 英语
- 意大利语
规模类别：
- 10000条 < 样本数量 < 100000条
数据集信息：
特征：
- 名称：id，数据类型：int64
- 名称：text，数据类型：字符串
- 名称：uuid（通用唯一识别码，UUID），数据类型：字符串
- 名称：model，数据类型：字符串
- 名称：gen_input_configs（生成输入配置），结构体：
- 名称：input_generator，数据类型：字符串
- 名称：pre_query_template（前置查询模板），数据类型：字符串
- 名称：seed（随机种子），数据类型：空值
- 名称：temperature（温度系数），数据类型：float64
- 名称：top_p（核采样阈值），数据类型：float64
- 名称：instruction（指令），数据类型：字符串
- 名称：response（回复），数据类型：字符串
- 名称：task_category（任务类别），数据类型：字符串
- 名称：other_task_category（其他任务类别），字符串序列
- 名称：task_category_generator（任务类别生成器），数据类型：字符串
- 名称：difficulty（难度等级），数据类型：字符串
- 名称：intent（意图），数据类型：字符串
- 名称：knowledge（知识范围），数据类型：字符串
- 名称：difficulty_generator（难度生成器），数据类型：字符串
- 名称：input_quality（输入质量），数据类型：字符串
- 名称：quality_explanation（质量说明），数据类型：字符串
- 名称：quality_generator（质量生成器），数据类型：字符串
- 名称：Llama Guard 2，数据类型：字符串
- 名称：reward_model（奖励模型），数据类型：字符串
- 名称：instruct_reward（指令奖励分数），数据类型：float64
- 名称：min_neighbor_distance（最小邻域距离），数据类型：float64
- 名称：repeat_count（重复次数），数据类型：int64
- 名称：min_similar_uuid（最相似样本的UUID），数据类型：字符串
- 名称：instruction_length（指令长度），数据类型：int64
- 名称：response_length（回复长度），数据类型：int64
- 名称：language（语言），数据类型：字符串
- 名称：instruction_it（意大利语指令），数据类型：字符串
- 名称：response_it（意大利语回复），数据类型：字符串
- 名称：messages（对话消息），列表：
- 名称：content（消息内容），数据类型：字符串
- 名称：role（角色），数据类型：字符串
划分方式：
- 名称：train（训练集），字节数：571262153，样本数：59070
下载大小：266524472字节
数据集总大小：571262153字节
配置项：
- 配置名称：default（默认），数据文件：
- 划分集：train，路径：data/train-*

# 数据集卡片：Magpie-Llama-3.1-Pro-300K-Filtered（意大利语翻译版）

## 数据集概览
本数据集为[Magpie-Llama-3.1-Pro-300K-Filtered](https://huggingface.co/datasets/Magpie-Align/Magpie-Llama-3.1-Pro-300K-Filtered)数据集的**意大利语翻译版本**，专为意大利语场景下的**指令微调**设计。我们仅翻译了难度等级为「简单」的样本，翻译工作由**TowerInstruct-Mistral-7B-v0.2**完成。

- **语言**：意大利语（由英语翻译而来）
- **用途**：意大利语场景下的指令微调
- **训练集规模**：59070

新增字段如下：
python
{
"messages": list # 采用聊天模板格式组织的意大利语翻译对话
"instruction_it": str # 意大利语翻译后的指令
"response_it_": str # 意大利语翻译后的回复
}

上述新增字段使本数据集适配意大利语AI模型，以及需要意大利语指令跟随数据的多语言系统。

## 作者
Alessandro Scirè ([e-mail])