Nemotron-Personas-USA ist ein umfangreicher Datensatz synthetischer Benutzerprofile, der von NVIDIA im Jahr 2025 veröffentlicht wurde und zur Unterstützung des Trainings und der Evaluierung großer Sprachmodelle (LLMs) und intelligenter Agentensysteme bei Aufgaben wie Dialoggenerierung, Rollensimulation, Benutzermodellierung und Analyse verschiedener Verhaltensweisen entwickelt wurde.

Dieser Datensatz umfasst rund 1 Million virtuelle Charakterdatensätze mit insgesamt 6 Millionen Personenfeldern und 16 Kontextinformationsfeldern. Die Daten decken alle 50 Bundesstaaten der USA sowie Puerto Rico und die Jungferninseln ab und beinhalten 29.000 geografische Postleitzahlen (ZCTAs) und 15.200 Städte/Regionen. Sie bieten somit ein nahezu vollständiges Bild der geografischen und sozialen Verteilung der US-Bevölkerung.

Der Datensatz umfasst ca. 970.000 eindeutige Namen und deckt über 560 Berufskategorien ab. Die Berufsverteilung orientiert sich an realen Berufsstatistiken und gewährleistet so eine hohe soziale Repräsentativität. Jeder Datenpunkt besteht aus mehrdimensionalen Feldern, darunter strukturierte demografische Informationen wie Alter, Geschlecht, Bildungsstand, Einkommen, Beruf und Wohnort sowie natürlichsprachliche Personenbeschreibungen wie Interessen, Werte, Lebensstil und persönliche Ziele. Diese bilden eine zusammengesetzte Personendarstellung, die strukturierte Informationen mit unstrukturiertem Text kombiniert.