Command Palette
Search for a command to run...
ملخص مجموعة البيانات | مجموعات بيانات NVIDIA مفتوحة المصدر Nemotron: أكثر من 10 تيرابايت من الرموز + 40 مليون عينة تدريبية، تغطي الاستدلال الرياضي وتوليد التعليمات البرمجية والحوار متعدد اللغات.
أصبحت بيانات التدريب عاملاً أساسياً في المنافسة على النماذج الكبيرة. فعندما لا يكون عدد المعلمات هو العائق الوحيد، تبدأ جودة البيانات وبنيتها ومدى ملاءمتها للمهمة في تحديد الأداء الحقيقي للنموذج في جوانب مثل الاستدلال والبرمجة والتفاعل.
تُعد سلسلة مجموعات بيانات Nemotron من NVIDIA نظامًا لموارد البيانات تم إنشاؤه استجابةً لهذا التوجه. تحتوي هذه السلسلة على أكثر من 10 تيرابايت من الرموز و40 مليون عينة بعد التدريب، وتغطي دورة التدريب بأكملها بدءًا من النموذج الأساسي وصولًا إلى سير عمل الوكيل.بخلاف بيانات التدريب المسبق التقليدية التي تركز فقط على الحجم، تؤكد سلسلة Nemotron على التغطية المستهدفة لأبعاد القدرات المختلفة، حيث تتوافق كل مجموعة بيانات مع جانب محدد من بناء قدرات النموذج.
تتضمن هذه المقالة تجميع 15 مجموعة بيانات من Nemotron، تغطي العديد من القدرات الأساسية في تدريب النماذج واسعة النطاق الحالية:التدريب المسبق للنصوص العامة، والضبط الدقيق الخاضع للإشراف (SFT)، وتوليد التعليمات البرمجية، والاستدلال الرياضي، وبيانات حوار الشخصيات متعددة اللغات.يوفر هذا النظام دعماً منهجياً للبيانات للنموذج بدءاً من بناء القدرات الأساسية وصولاً إلى تحسين قدرات المهام.
تكشف فلسفة التصميم الكامنة وراء مجموعات البيانات هذه عن تحول واضح: ينتقل تدريب النماذج واسعة النطاق من "تدريب نماذج أقوى ببيانات أكثر" إلى "تدريب نماذج أكثر ملاءمة ببيانات أكثر دقة". ويُعدّ النهج الذي تتبعه سلسلة Nemotron مثالًا مصغرًا لهذا التوجه. وهذا يعني أن القدرة على تصميم بيانات التدريب أصبحت عاملًا رئيسيًا يُحدد الحد الأقصى لقدرات النموذج.
تم تضمين مجموعات البيانات التالية في HyperAI (hyper.ai)، ونأمل أن نوفر مرجعًا منهجيًا لموارد البيانات للباحثين ومطوري النماذج الكبيرة.
المزيد من مجموعات البيانات عالية الجودة:
توصية بمجموعة البيانات
1. مجموعة بيانات Nemotron-CC-v2 المدربة مسبقًا
* استخدم عبر الإنترنت:
يُعد Nemotron-CC-v2 خليفةً لـ Nemotron-CC الذي أصدرته NVIDIA في عام 2025. والورقة البحثية ذات الصلة تحمل عنوان "NVIDIA Nemotron Nano 2: نموذج استدلال هجين دقيق وفعال من نوع Mamba-Transformer".
تعتمد مجموعة البيانات هذه على مجموعة بيانات الويب الإنجليزية الحالية بإضافة ثماني لقطات من بيانات Common Crawl للفترة 2024-2025، مع إجراء إزالة التكرار الشاملة وتصفية البيانات باللغة الإنجليزية. كما تستخدم Qwen3-30B-A3B لتجميع محتوى الويب وإعادة صياغته، مع دعمها بـ Diverse Question Answering (ضمان الجودة المتنوع)، وتُترجم إلى 15 لغة لتعزيز التفكير المنطقي متعدد اللغات والتدريب المسبق للمعرفة العامة. تكمن أهميتها في الارتقاء بالنهج الفعال المتمثل في "صفحات الويب الإنجليزية عالية الجودة → ضمان الجودة المتنوع المُركّب" إلى مستوى جديد، حيث تجمع بين تحديثات الزحف على الويب والتوسع متعدد اللغات في نهج منهجي. ومن خلال إزالة التكرار الدقيق والتصفية والتوزيع القابل للتكرار، تُسهّل هذه المجموعة التكامل المباشر في مختلف مسارات التدريب المسبق.
2. مجموعة بيانات الضبط الدقيق الخاضع للإشراف Nemotron-Pretraining-SFT
* استخدم عبر الإنترنت:
Nemotron-Pretraining-SFT-v1 هي مجموعة بيانات توليدية اصطناعية أصدرتها NVIDIA في عام 2025. الورقة البحثية ذات الصلة هي "NVIDIA Nemotron Nano 2: نموذج استدلال هجين دقيق وفعال لمحول مامبا"، والتي تهدف إلى تحسين قدرات النموذج في مهام مثل متابعة التعليمات، والاستدلال، والترميز، والإجابة على الأسئلة العامة.
صُممت هذه المجموعة من البيانات لتناسب مجالات العلوم والتكنولوجيا والهندسة والرياضيات، والمجالات الأكاديمية، والتفكير المنطقي، والسيناريوهات متعددة اللغات. وهي مُستمدة من مواد رياضية وعلمية عالية الجودة، وتجمع بين نصوص أكاديمية على مستوى الدراسات العليا وبيانات SFT مُحسّنة بدقة، وذلك لبناء أسئلة تحليلية معقدة متعددة الخيارات (بما في ذلك الحلول/الأساليب الكاملة)، تغطي مهامًا متنوعة مثل الرياضيات، والبرمجة، والمعرفة العامة، والتفكير المنطقي. في الإحصاءات الرسمية لبيانات التدريب المسبق لـ Nemotron، تُشكل الفئات المتعلقة بـ SFT (مثل Math SFT وCode SFT وGeneral SFT) نسبة كبيرة، مما يُسهّل على المستخدمين تصفية المجموعات الفرعية المطلوبة بناءً على البيانات الوصفية لإجراء تجارب قابلة للتكرار.
3. مجموعة بيانات Nemotron-Pretraining-Code
* استخدم عبر الإنترنت:
Nemotron-Pretraining-Code-v1 عبارة عن مجموعة من مجموعات بيانات التعليمات البرمجية واسعة النطاق المختارة بعناية والتي تم إنشاؤها على GitHub وأصدرتها NVIDIA في عام 2025. الورقة البحثية ذات الصلة بعنوان "NVIDIA Nemotron Nano 2: نموذج استدلال هجين دقيق وفعال من Mamba-Transformer".
تحتوي هذه المجموعة من البيانات، التي خضعت لعملية تصفية متعددة المراحل لإزالة التكرار، وإنفاذ التراخيص، وفحوصات الجودة الاستدلالية، على أزواج من الأسئلة والأجوبة البرمجية المولدة بواسطة LLM لـ 11 لغة برمجة. بالإضافة إلى 175.1 بايت من رموز التعليمات البرمجية المُصنّعة عالية الجودة، تتضمن البيانات أيضًا بيانات وصفية (حوالي 747.4 بايت) لتسهيل إعادة إنتاج المستخدم.
4. مجموعة بيانات التدريب المسبق لرمز التدريب المسبق Nemotron
* استخدم عبر الإنترنت:
تُعدّ مجموعة بيانات Nemotron-Pretraining-Code-v3 إحدى مجموعات بيانات التدريب المسبق للبرمجيات التي أنشأتها NVIDIA لسلسلة Nemotron 3 من نماذج اللغة الكبيرة. وتهدف هذه المجموعة إلى تحسين قدرات نماذج اللغة الكبيرة على فهم البرمجيات وتوليدها وإكمالها والاستدلال عليها. وتنتمي هذه المجموعة إلى جزء من مجموعة بيانات التدريب المسبق لبرمجيات NVIDIA Nemotron. أما الورقة البحثية ذات الصلة فهي بعنوان: Nemotron 3 Ultra: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning.
تحتوي هذه المجموعة من البيانات على 146.3 مليون ملف. انتهى جمع البيانات في 30 سبتمبر 2025. هذه المجموعة هي نسخة محدثة، تتضمن فقط ملفات الشفرة المصدرية المضافة إلى هذه السلسلة مقارنةً بالإصدارات السابقة. يجب استخدامها بالتزامن مع الإصدارين الأول والثاني لتكوين مجموعة بيانات كاملة للتدريب المسبق للشفرة.
5. مجموعة بيانات التدريب المسبق الرياضي Nemotron-CC-Math
* استخدم عبر الإنترنت:
Nemotron-CC-Math هي مجموعة بيانات عالية الجودة وواسعة النطاق مُدرَّبة مسبقًا، تركز على الرياضيات، وقد أصدرتها NVIDIA وجامعة بوسطن عام 2025. يحمل البحث ذو الصلة عنوان "Nemotron-CC-Math: مجموعة بيانات عالية الجودة للتدريب المسبق على الرياضيات بحجم 133 مليار رمز". تهدف هذه المجموعة إلى الحفاظ على المحتوى الرياضي والبرمجي عالي القيمة وعرضه، مما يُسهم في تطوير الجيل القادم من نماذج اللغة الذكية ذات القدرات العالمية.
تحتوي هذه المجموعة من البيانات على 133 مليار رمز، وقد تم إنشاؤها باستخدام Common Crawl عبر مسار استخراج وتوحيد يعتمد على NVIDIA Lynx ونموذج LLM خفيف الوزن. مع الحفاظ على بنية المعادلات وتنسيقات الرموز، توحد هذه المجموعة المحتوى الرياضي في تنسيق LaTeX قابل للتحرير، محققةً، ولأول مرة على نطاق واسع في الويب، تغطيةً لتنسيقات رياضية متعددة (بما في ذلك التنسيقات النادرة)؛ وقد تم التحقق من مزاياها في العديد من الاختبارات المعيارية.
6. Nemotron-Personas-Korea (مجموعة بيانات بشرية اصطناعية كورية)
* استخدم عبر الإنترنت:
Nemotron-Personas-Korea هي مجموعة بيانات من الشخصيات الكورية الاصطناعية، أصدرتها شركة NVIDIA عام 2026، مصممة لتعكس بشكل شامل تنوع وخصائص الشعب الكوري. تُعد هذه المجموعة أول مجموعة بيانات واسعة النطاق للشخصيات الكورية الاصطناعية، وتُستخدم بشكل أساسي لتوسيع نطاق تنوع البيانات الاصطناعية للذكاء الاصطناعي السيادي، والحد من تحيز البيانات والنماذج، وتحسين تنوع استجابات النماذج.
تحتوي هذه المجموعة من البيانات على مليون سجل، كل منها يتضمن 7 أحرف افتراضية، بإجمالي يقارب 7 ملايين وصف للأحرف وحوالي 1.7 مليار رمز، منها مليار رمز مرتبط بالأحرف. تغطي البيانات 17 منطقة حضرية ذاتية الحكم (시도) و252 مدينة/حي (시군区) في كوريا الجنوبية، وتحتوي على 209,167 اسمًا فريدًا. تم إنشاء هذه المجموعة من البيانات بناءً على معلومات رسمية مقدمة من دائرة المعلومات الإحصائية الكورية (KOSIS)، والمحكمة العليا الكورية، والمؤسسة الوطنية للتأمين الصحي، والمعهد الكوري لأبحاث الاقتصاد الريفي، ومنصة NAVER Cloud. جميع الأحرف افتراضية بالكامل ولا ترتبط بأي معلومات هوية شخصية حقيقية؛ كما تم استبعاد بيانات القاصرين دون سن 19 عامًا.
7. Nemotron Personas France (مجموعة بيانات الأشخاص الاصطناعيين الفرنسيين)
* استخدم عبر الإنترنت:
Nemotron Personas France هي مجموعة بيانات شخصيات اصطناعية فرنسية، أصدرتها NVIDIA بالتعاون مع Pleias عام 2026. تحتوي هذه المجموعة على بيانات شخصيات اصطناعية مُولّدة بناءً على التركيبة السكانية والجغرافية وسمات الشخصية الفرنسية الواقعية. والهدف منها هو توفير بيانات شخصيات اصطناعية متنوعة لدعم تطوير النماذج من خلال عكس التوزيع الجغرافي والديموغرافي لفرنسا.
تحتوي هذه المجموعة من البيانات على 6 ملايين حالة لأشخاص فرنسيين، موزعة على مليون سجل. يوفر كل سجل 22 حقلاً (مثل الاسم، والجنس، والعمر، والحالة الاجتماعية، والمهنة، وما إلى ذلك) ويتضمن أنواعًا مختلفة من الأشخاص (العلماء، وهواة الرياضة، وهواة الفنون، وهواة الطعام، وهواة السفر، وما إلى ذلك).
8.مجموعة بيانات الشخصيات الاصطناعية البرازيلية Nemotron-Personas-Brazil
* استخدم عبر الإنترنت:
Nemotron-Personas-Brazil هي مجموعة بيانات للشخصيات الاصطناعية خاصة بالبرازيل، أصدرتها شركة NVIDIA بالتعاون مع WideLabs في عام 2026. وتهدف إلى إبراز تنوع وثراء سكان البرازيل لتعكس بشكل أكثر شمولاً التوزيع السكاني المحتمل متعدد الأبعاد، بما في ذلك التنوع الإقليمي (مثل الشمال والشمال الشرقي والغرب الأوسط)، والخلفية العرقية، ومستوى التعليم، والتوزيع المهني.
تحتوي هذه المجموعة من البيانات على مليون سجل، يتألف كل منها من ستة أحرف مركبة. يتضمن كل سجل ستة حقول حرفية و14 حقلاً سياقياً، تم إنشاؤها إحصائياً استناداً إلى التركيبة السكانية الرسمية وتوزيع سوق العمل في البرازيل. تغطي البيانات التوزيع الجغرافي والديموغرافي لجميع الولايات الست والعشرين والمقاطعة الفيدرالية في البرازيل.
9.مجموعة بيانات الشخصية Nemotron Personas USA (الولايات المتحدة الأمريكية)
* استخدم عبر الإنترنت:
Nemotron-Personas-USA هي مجموعة بيانات ضخمة لملفات تعريف المستخدمين الاصطناعية، أصدرتها شركة NVIDIA عام 2025. تهدف هذه المجموعة إلى دعم تدريب وتقييم نماذج اللغة الكبيرة (LLMs) وأنظمة الوكلاء الأذكياء في مهام مثل توليد الحوارات، ومحاكاة الشخصيات، ونمذجة المستخدمين، وتحليل السلوكيات المتنوعة. تحتوي مجموعة البيانات على ما يقارب مليون سجل لشخصيات افتراضية، بإجمالي 6 ملايين حقل للشخصية و16 حقلاً للمعلومات السياقية. تغطي المجموعة جميع الولايات الخمسين في الولايات المتحدة، بالإضافة إلى بورتوريكو وجزر العذراء الأمريكية، وتشمل 29,000 رمز بريدي (ZCTAs) و15,200 مدينة/منطقة، مما يوفر انعكاسًا شبه كامل للتوزيع الجغرافي والاجتماعي لسكان الولايات المتحدة.
تحتوي مجموعة البيانات على ما يقارب 970,000 اسم فريد، وتغطي أكثر من 560 فئة مهنية. يستند توزيع الوظائف إلى إحصاءات مهنية واقعية، مما يضمن تمثيلًا اجتماعيًا جيدًا. يتكون كل مدخل بيانات من حقول متعددة الأبعاد، تشمل معلومات ديموغرافية منظمة مثل العمر والجنس والمستوى التعليمي والدخل والمهنة والموقع، بالإضافة إلى أوصاف شخصية باللغة الطبيعية مثل الاهتمامات والقيم وأسلوب الحياة والأهداف الشخصية، مما يُشكل تمثيلًا مركبًا للشخصية يجمع بين المعلومات المنظمة والنص غير المنظم.
10. Nemotron-Personas-Japan: مجموعة بيانات من الشخصيات البشرية الاصطناعية اليابانية.
* استخدم عبر الإنترنت:
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.
11. Nemotron-Personas-India: مجموعة بيانات من الشخصيات البشرية الاصطناعية من الهند.
* استخدم عبر الإنترنت:
مجموعة بيانات Nemotron-Personas-India هي مجموعة بيانات بشرية اصطناعية خاصة بالهند، أصدرتها شركة NVIDIA عام 2025. تهدف هذه المجموعة إلى تحسين تنوع البيانات الاصطناعية، والحد من تحيز النماذج، ومنع انهيارها، وذلك من خلال عكس التوزيع الجغرافي والديموغرافي الحقيقي للهند. وتُستخدم بشكل أساسي لدعم مطوري النماذج الهنود في بناء أنظمة ذكاء اصطناعي مستقلة قادرة على دمج الخصائص الديموغرافية والخلفيات الثقافية الخاصة بكل منطقة.
تحتوي هذه المجموعة من البيانات على 3 ملايين سجل، لكل منها 7 أدوار شخصيات افتراضية، بإجمالي 21 مليون وصف للشخصية و7.7 مليار رمز، منها 2.9 مليار رمز عبارة عن معلومات متعلقة بالشخصية. تغطي البيانات 36 ولاية وإقليمًا اتحاديًا في الهند، و640 مقاطعة، وتشمل حوالي 560 ألف اسم فريد. وهي متوفرة بثلاث لغات: الإنجليزية، والديفاناغارية، واللاتينية، مع مليون سجل تقريبًا في كل لغة. تستند هذه المجموعة من البيانات إلى معلومات التوزيع الديموغرافي والجغرافي الحقيقية من تعداد السكان الهندي لعام 2011 وسجلات الانتخابات. جميع الشخصيات افتراضية تمامًا ولا ترتبط بأي معلومات هوية شخصية حقيقية؛ كما تم استبعاد بيانات القاصرين دون سن 18 عامًا.
12. Nemotron-Personas-Belgium (مجموعة بيانات بشرية اصطناعية بلجيكية)
* استخدم عبر الإنترنت:
Nemotron-Personas-Belgium هي مجموعة بيانات لأشخاص اصطناعيين من بلجيكا، أصدرتها شركة NVIDIA عام 2026 بالتعاون مع Pleias وجامعة KU Leuven. تهدف هذه المجموعة إلى عكس تنوع وخصائص السكان البلجيكيين بشكل شامل، وذلك بالدرجة الأولى لتوسيع نطاق تنوع البيانات الاصطناعية السيادية للذكاء الاصطناعي، والحد من تحيز البيانات والنماذج، وتحسين تنوع استجابات النماذج.
تحتوي هذه المجموعة من البيانات على 1.2 مليون سجل، يتضمن كل منها 6 أدوار افتراضية، بإجمالي 1.8 مليون وصف تقريبًا، ونحو 1.9 مليار رمز، منها 867 مليون رمز عبارة عن معلومات متعلقة بالشخصيات. تغطي البيانات 581 بلدية بلجيكية و3 مقاطعات إدارية، وتحتوي على ما يقارب 260,000 اسم فريد. وهي متوفرة بأربع لغات: الهولندية والفرنسية والألمانية والإنجليزية، مع 300,000 سجل في كل لغة. تستند هذه المجموعة من البيانات إلى بيانات التعداد السكاني البلجيكي لعام 2021 وبيانات التركيبة السكانية لعام 2025. جميع الشخصيات افتراضية بالكامل ولا ترتبط بأي معلومات هوية شخصية حقيقية؛ كما تم استبعاد بيانات القاصرين دون سن 18 عامًا.
13. Nemotron-Personas-Vietnam: مجموعة بيانات لأشخاص فيتناميين تم تركيبهم.
* استخدم عبر الإنترنت:
Nemotron-Personas-Vietnam هي مجموعة بيانات لأشخاص فيتناميين اصطناعيين أصدرتها NVIDIA في عام 2026. وتهدف إلى عكس تنوع وخصائص السكان الفيتناميين بشكل شامل، وتستخدم بشكل أساسي لدعم تطوير نماذج الذكاء الاصطناعي للسيادة الفيتنامية، والتخفيف من تحيز البيانات، وتحسين تنوع استجابات النموذج في السياق الثقافي الفيتنامي.
تحتوي هذه المجموعة من البيانات على 100,000 سجل، لكل منها 6 أدوار شخصية افتراضية، بإجمالي يقارب 600,000 وصف للشخصية وحوالي 118 مليون رمز، منها 52 مليون رمز عبارة عن معلومات متعلقة بالشخصية. تغطي البيانات 6 بلديات ومحافظات تُدار مركزياً في فيتنام، وتشمل حوالي 13,000 اسم فريد. تم إنشاء هذه المجموعة من البيانات استناداً إلى الإحصاءات الفيتنامية الرسمية ومعرفة الخبراء المحليين المقدمة من مجموعة FPT. جميع الشخصيات افتراضية بالكامل ولا ترتبط بأي معلومات هوية شخصية حقيقية؛ كما تم استبعاد بيانات القاصرين دون سن 18 عاماً.
14. Nemotron-Personas El Salvador (مجموعة البيانات البشرية الاصطناعية السلفادورية)
* استخدم عبر الإنترنت:
تُعدّ مجموعة بيانات Nemotron-Personas-El Salvador، التي أصدرتها شركة NVIDIA عام 2026، مجموعة بيانات تضمّ نماذج افتراضية لأشخاص من السلفادور. وتهدف هذه المجموعة إلى عكس تنوّع وخصائص سكان السلفادور بشكل شامل، وتُستخدم في المقام الأول لدعم تطوير نماذج الذكاء الاصطناعي المتعلقة بسيادة السلفادور، والحدّ من تحيّز البيانات، وتعزيز تنوّع استجابات النماذج ضمن السياق الثقافي السلفادوري.
تحتوي هذه المجموعة من البيانات على 148,000 سجل، بإجمالي مليون وصف تقريبًا للشخصيات و300 مليون رمز، منها 161 مليون رمز عبارة عن معلومات متعلقة بالشخصيات. تغطي البيانات 14 مقاطعة و44 مدينة في السلفادور، وتشمل حوالي 144,000 اسم فريد. تستند هذه المجموعة من البيانات إلى إحصاءات ديموغرافية وجغرافية ومهنية حقيقية من التعداد الوطني السابع للسكان والتعداد الوطني السادس للمساكن في السلفادور لعام 2024. جميع الشخصيات افتراضية بالكامل ولا ترتبط بأي معلومات هوية شخصية حقيقية؛ كما تم استبعاد بيانات القاصرين دون سن 18 عامًا.
15. نيموترون-بيرسوناس سنغافورة (مجموعة بيانات الأشخاص الاصطناعيين في سنغافورة)
* استخدم عبر الإنترنت:
مجموعة بيانات Nemotron-Personas-Singapore هي مجموعة بيانات لأشخاص اصطناعيين من سنغافورة، أصدرتها شركة NVIDIA عام 2026. تهدف هذه المجموعة إلى عكس خصائص سكان سنغافورة الحقيقية، من حيث التركيبة السكانية والجغرافية والشخصية. ويتمثل هدفها الرئيسي في دعم تطوير أنظمة الذكاء الاصطناعي السيادية، وتعزيز تنوع البيانات الاصطناعية، والحد من تحيز النماذج، ومنع انهيارها.
تحتوي هذه المجموعة من البيانات على 148,000 سجل، لكل منها 6 أدوار افتراضية، بإجمالي 888,000 وصف للشخصيات وحوالي 118 مليون رمز، منها 48 مليون رمز عبارة عن معلومات متعلقة بالشخصيات. تغطي البيانات 55 منطقة تخطيط في سنغافورة، وتشمل حوالي 146,000 اسم فريد. تم إنشاء هذه المجموعة من البيانات استنادًا إلى تعداد سكان سنغافورة لعام 2024، وبيانات ترخيص الأسماء من مجلس المكتبة الوطنية، والمعلومات الرسمية المقدمة من مجلس الإسكان والتنمية. جميع الشخصيات افتراضية بالكامل ولا ترتبط بأي معلومات هوية شخصية حقيقية؛ كما تم استبعاد بيانات القاصرين دون سن 18 عامًا.
