Nemotron-Personas-USA est un ensemble de données de profils d'utilisateurs synthétiques à grande échelle publié par NVIDIA en 2025, conçu pour soutenir l'entraînement et l'évaluation de grands modèles de langage (LLM) et de systèmes d'agents intelligents dans des tâches telles que la génération de dialogues, la simulation de rôles, la modélisation d'utilisateurs et l'analyse de comportements divers.

Cet ensemble de données contient environ un million d'enregistrements de personnages virtuels, soit six millions de champs de description et seize champs d'informations contextuelles. Les données couvrent les cinquante États américains, ainsi que Porto Rico et les îles Vierges, et incluent 29 000 codes postaux et 15 200 villes et régions, offrant ainsi une représentation relativement complète de la répartition géographique et sociale de la population américaine.

L'ensemble de données contient environ 970 000 noms uniques et couvre plus de 560 catégories professionnelles. La répartition des professions s'appuie sur des statistiques professionnelles réelles, garantissant ainsi une bonne représentativité sociale. Chaque donnée est composée de champs multidimensionnels, incluant des informations démographiques structurées telles que l'âge, le sexe, le niveau d'études, le revenu, la profession et le lieu de résidence, ainsi que des descriptions de profils en langage naturel (intérêts, valeurs, mode de vie et objectifs personnels), formant ainsi une représentation composite qui combine informations structurées et texte non structuré.