Nemotron-Personas-Korea ist ein Datensatz synthetischer koreanischer Schriftzeichen, der 2026 von NVIDIA veröffentlicht wurde und die Vielfalt und Merkmale der koreanischen Bevölkerung umfassend abbilden soll. Dieser Datensatz ist der erste seiner Art und dient primär dazu, die Diversität der synthetischen Daten von Sovereign AI zu erweitern, Daten- und Modellverzerrungen zu minimieren und die Diversität der Modellantworten zu verbessern. Dieser Datensatz umfasst 1 Million Einträge mit jeweils 7 virtuellen Charakteren, insgesamt etwa 7 Millionen Charakterbeschreibungen und ca. 1,7 Milliarden Token, von denen 1 Milliarde den Charakteren zugeordnet sind. Die Daten decken 17 autonome Metropolregionen und 252 Städte/Bezirke in Südkorea ab und enthalten 209.167 eindeutige Namen. Der Datensatz basiert auf offiziellen Informationen des Koreanischen Statistischen Informationsdienstes (KOSIS), des Obersten Gerichtshofs von Korea, der Nationalen Krankenversicherung, des Koreanischen Instituts für Ländliche Wirtschaftsforschung und von NAVER Cloud. Alle Charaktere sind rein virtuell und entsprechen keinerlei realen Personendaten; Daten von Minderjährigen unter 19 Jahren wurden ausgeschlossen. Datenfelder: Der Datensatz enthält 25 gültige Datenfelder (ohne UUID), die in 7 Felder für Persönlichkeitsmerkmale und 18 Felder für demografische Merkmale unterteilt sind:

• Charakterattributfelder: umfassen Berufsprofil, sportliche Hobbys, künstlerische Talente, Reisevorlieben, Ernährungsgewohnheiten, Familienrollen und die allgemeine Persönlichkeit.
• Zu den Feldern für demografische Merkmale gehören: kultureller Hintergrund, Fähigkeiten und Fachkenntnisse, Interessen und Hobbys, Geschlecht, Alter, Sprache, Familienstand, Familientyp, Bildungsniveau, Berufskennziffer, Aufenthaltsstatus, Militärstatus, höchster Bildungsabschluss, Wohnart sowie Region und Land des Wohnsitzes (festgelegt auf Korea).

Zitat

@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}
}