Nemotron-Personas-El-Salvador 是由 NVIDIA 于 2026 年发布的萨尔瓦多合成人物数据集，该数据集旨在全面反映萨尔瓦多人口的多样性和特征，主要用于支持萨尔瓦多主权 AI 模型开发，缓解数据偏差，以及提升模型在萨尔瓦多文化语境下的响应多样性。 该数据集包含 14.8 万条记录，总计约 100 万个人物角色描述，共包含约 3 亿 Token，其中 1.61 亿 Token 为人物相关信息，数据覆盖萨尔瓦多 14 个省及 44 个市，包含约 14.4 万个唯一人名。该数据集基于萨尔瓦多 2024 年第七次人口普查与第六次住房普查的真实人口统计学、地理分布及职业统计数据生成，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 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、职业目标、性别、年龄、语言、婚姻状况、家庭情况、教育程度、职业类型、居住地区及国家（固定为 El Salvador）

Citation

@software{nvidia/Nemotron-Personas-El-Salvador,
author = {Malossi, Rodrigo and Manoel, Andre and Prayaga, Shyamala and Sharabiani, Ashton and Acharya, Evan and Sadeghi, Bardiya and Jennings, Will and Praveen, Kiran and Corneil, Dane and Meyer, Yev},
title = {{Nemotron-Personas-El-Salvador: Synthetic Personas Aligned to Real-World Distributions for El Salvador}},
year = {2026},
url = {https://huggingface.co/datasets/nvidia/Nemotron-Personas-El-Salvador}
}