Nemotron-Personas-Korea est un ensemble de données de personnages coréens synthétiques publié par NVIDIA en 2026, conçu pour refléter fidèlement la diversité et les caractéristiques de la population coréenne. Premier ensemble de données à grande échelle de personnages coréens synthétiques, il est principalement utilisé pour enrichir les données synthétiques de Sovereign AI, atténuer les biais des données et des modèles, et améliorer la diversité des réponses de ces derniers. Cet ensemble de données contient un million d'enregistrements, chacun comportant sept caractères virtuels, soit environ sept millions de descriptions de caractères et près de 1,7 milliard de jetons, dont un milliard est associé aux caractères. Les données couvrent 17 régions autonomes métropolitaines (시도) et 252 villes/districts (시군区) de Corée du Sud, et comprennent 209 167 noms uniques. Cet ensemble de données a été généré à partir d'informations officielles fournies par le Service coréen d'information statistique (KOSIS), la Cour suprême de Corée, la Caisse nationale d'assurance maladie, l'Institut coréen de recherche sur l'économie rurale et NAVER Cloud. Tous les caractères sont entièrement virtuels et ne correspondent à aucune information d'identité personnelle réelle ; les données relatives aux mineurs de moins de 19 ans ont également été exclues. Champs de données: L'ensemble de données contient 25 champs de données valides (UUID exclu), divisés en 7 champs d'attributs de personnalité et 18 champs de caractéristiques démographiques :

• Champs relatifs aux attributs de caractère : profil professionnel, loisirs sportifs, talents artistiques, préférences de voyage, habitudes alimentaires, rôles familiaux et personnalité générale.
• Les champs relatifs aux caractéristiques démographiques comprennent : l'origine culturelle, les compétences et l'expertise, les intérêts et les loisirs, le sexe, l'âge, la langue, l'état civil, le type de famille, le niveau d'éducation, le code professionnel, le statut de résidence, le statut militaire, le niveau d'éducation le plus élevé, le type de logement, ainsi que la région et le pays de résidence (correspondant à la Corée).

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}
}