Nemotron-Personas-Vietnam est un ensemble de données de personnages vietnamiens synthétiques publié par NVIDIA en 2026. Il vise à refléter de manière exhaustive la diversité et les caractéristiques de la population vietnamienne et est principalement utilisé pour soutenir le développement de modèles d'IA pour la souveraineté vietnamienne, atténuer les biais des données et améliorer la diversité des réponses du modèle dans le contexte culturel vietnamien. Cet ensemble de données contient 100 000 enregistrements, chacun comportant 6 rôles de personnages virtuels, soit environ 600 000 descriptions de personnages et quelque 118 millions d'éléments, dont 52 millions d'informations relatives aux personnages. Les données couvrent 6 municipalités et provinces administrées par le gouvernement central du Vietnam et incluent environ 13 000 noms uniques. Cet ensemble de données a été généré à partir de statistiques officielles vietnamiennes et de l'expertise locale du groupe FPT. Tous les personnages sont entièrement virtuels et ne correspondent à aucune information d'identité personnelle réelle ; les données concernant les mineurs de moins de 18 ans ont également été exclues.

Champs de données:

L'ensemble de données contient 21 champs de données valides (UUID exclu), répartis en 6 champs d'attributs de personnalité et 15 champs de caractéristiques démographiques :

• Champs d'attributs de caractère : couvrant le profil professionnel, les loisirs sportifs, les talents artistiques, les préférences de voyage, les habitudes alimentaires et la 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 niveau d'éducation, le type de profession, le lieu de résidence et le pays (fixé au Vietnam).

Citation

@software{nvidia/Nemotron-Personas-Vietnam,
author = {Thanh-Tung, Hoang and Hoang, Tuan-Anh and Le-Dinh, Duy and Nguyen, Thuy-Duong and Le, Van and Tran, Quan Minh and Tong, Vu and Nguyen, Que and Juluru, Nirmal Kumar 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-Vietnam: Synthetic Personas Aligned to Real-World Distributions for Vietnam},
month = {June},
year = {2026},
url = {https://huggingface.co/datasets/nvidia/Nemotron-Personas-Vietnam}
}