Nemotron-Personas-Korea 是由 NVIDIA 于 2026 年发布的韩国合成人物数据集，旨在全面反映韩国人口的多样性和特征。该数据集是首个大规模韩语合成人物数据集，主要用于扩展主权 AI（Sovereign AI）合成数据的多样性，缓解数据与模型偏见，并提升模型响应的多样性。 该数据集包含 100 万条记录，每条记录包含 7 个虚拟人物角色，总计约 700 万个人物角色描述，共包含约 17 亿 Token，其中 10 亿 Token 为人物相关信息，数据覆盖韩国 17 个广域自治团体（시도）， 252 个市郡区（시군区），包含 209,167 个唯一人名。该数据集基于韩国统计信息服务中心（KOSIS）、韩国最高法院、国民健康保险公团、韩国农村经济研究院以及 NAVER Cloud 提供的官方信息生成，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 19 岁以下未成年人数据。 数据字段： 数据集共包含 25 个有效数据字段（除 UUID 外），分为 7 个人物属性字段与 18 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、家庭角色以及综合性格
• 人口统计特征字段：包含文化背景、技能与专长、兴趣爱好、性别、年龄、语言、婚姻状况、家庭类型、教育程度、职业代码、居住状态、军事身份、最高学历、住房类型、居住地区及国家（固定为 Korea）

Citation

@software{nvidia/Nemotron-Personas-Korea,
author = {Kim, Hyunwoo and Ryu, Jihyeon and Lee, Jinho and Ryu, Hyungon and Praveen, Kiran and Prayaga, Shyamala and Thadaka, Kirit and Jennings, Will and Sadeghi, Bardiya and Sharabiani, Ashton and Choi, Yejin and Meyer, Yev},
title = {Nemotron-Personas-Korea: Synthetic Personas Aligned to Real-World Distributions for Korea},
month = {April},
year = {2026},
url = {https://huggingface.co/datasets/nvidia/Nemotron-Personas-Korea}
}