Nemotron-Personas-Japan هي مجموعة بيانات من الشخصيات البشرية الاصطناعية التي أصدرتها NVIDIA في عام 2025. وتهدف إلى عرض تنوع وثراء سكان اليابان وتستخدم في المقام الأول لدعم تطوير أنظمة الذكاء الاصطناعي السيادية، وتدريب نماذج اللغة الكبيرة، وتقليل التحيز في البيانات الاصطناعية. تحتوي هذه المجموعة من البيانات على مليون سجل، كل منها يتضمن 6 شخصيات افتراضية، بإجمالي يقارب 6 ملايين وصف للشخصيات وحوالي 1.4 مليار رمز، منها 850 مليون رمز مرتبط بالشخصيات. تغطي البيانات جميع محافظات اليابان البالغ عددها 47 محافظة، وأكثر من 1500 فئة مهنية، وأكثر من 950 ألف اسم فريد. تم إنشاء هذه المجموعة من البيانات بناءً على البيانات الديموغرافية اليابانية الرسمية، والتوزيع الجغرافي، وتوزيع سمات الشخصية. جميع الشخصيات افتراضية بالكامل ولا ترتبط بأي معلومات هوية شخصية حقيقية. كما تم استبعاد بيانات القاصرين دون سن 18 عامًا. حقول البيانات: تحتوي مجموعة البيانات على 22 حقل بيانات صالح (باستثناء UUID)، مقسمة إلى 6 حقول سمات شخصية و16 حقل سمات ديموغرافية:

• حقول سمات الشخصية: تغطي الملف المهني، والهوايات الرياضية، والمواهب الفنية، وتفضيلات السفر، والعادات الغذائية، والشخصية بشكل عام.
• تشمل مجالات الخصائص الديموغرافية ما يلي: المهارات والخبرات، والاهتمامات والهوايات، والأهداف المهنية، والجنس، والعمر، واللغة، والحالة الاجتماعية، والمستوى التعليمي، ونوع المهنة، والمنطقة وبلد الإقامة (محددة باليابان).

الاستشهاد

@software{nvidia/Nemotron-Personas-Japan,
author = {Fujita, Atsunori and Gong, Vincent and Ogushi, Masaya and Yamamoto, Kotaro and Suhara, Yoshi and Corneil, Dane and Meyer, Yev},
title = {{Nemotron-Personas-Japan}: Synthetic Personas Aligned to Real-World Distributions},
month = {September},
year = {2025},
url = {https://huggingface.co/datasets/nvidia/Nemotron-Personas-Japan}
}