Nemotron-Personas-Japan 是由 NVIDIA 于 2025 年发布的日本合成人物数据集，旨在展现日本人口多样性与丰富性，主要用于支持主权 AI 系统开发、大语言模型训练，以及降低合成数据中的偏差。 该数据集包含 100 万条记录，每条记录包含 6 个虚拟人物角色，总计约 600 万个人物角色描述，共包含约 14 亿 Token，其中 8.5 亿 Token 为人物相关信息，数据覆盖日本全部 47 个都道府县，1,500 余个职业类别及 95 万余个唯一人名，该数据集基于日本官方人口统计、地理分布及性格特征分布生成，所有角色均为完全虚拟生成的人物，不对应任何真实个人身份信息，同时排除了 18 岁以下未成年人数据。 数据字段: 数据集共包含 22 个有效数据字段（除 UUID 外），分为 6 个人物属性字段与 16 个人口统计特征字段：

• 人物属性字段：涵盖职业画像、体育爱好、艺术特长、旅行偏好、饮食习惯以及综合性格
• 人口统计特征字段：包含技能与特长、兴趣爱好、职业目标、性别、年龄、语言、婚姻状况、教育程度、职业类型、居住地区及国家（固定为 Japan）

Citation

@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}
}