Nemotron-Personas-Japanは、NVIDIAが2025年に公開した合成人間モデルのデータセットです。日本の人口の多様性と豊かさを表現することを目的としており、主に主権型AIシステムの開発、大規模言語モデルのトレーニング、合成データにおけるバイアスの低減を支援するために使用されます。 このデータセットには、それぞれ6人の仮想キャラクターを含む100万件のレコードが含まれており、合計で約600万件のキャラクター記述と約14億個のトークンがあり、そのうち8億5000万個のトークンがキャラクターに関連しています。データは日本の47都道府県すべて、1500以上の職業分類、95万以上の固有名詞を網羅しています。このデータセットは、日本の公式人口統計データ、地理的分布、および性格特性分布に基づいて作成されました。すべてのキャラクターは完全に仮想であり、実際の個人識別情報とは一切関係ありません。18歳未満の未成年者に関するデータも除外されています。 データフィールド: このデータセットには、22個の有効なデータフィールド（UUIDを除く）が含まれており、6つの性格属性フィールドと16の人口統計学的特徴フィールドに分けられます。

• 人物属性項目：職業、スポーツの趣味、芸術的才能、旅行の好み、食習慣、そして全体的な性格を網羅する。
• 人口統計学的特性の項目には、スキルと専門知識、興味と趣味、キャリア目標、性別、年齢、言語、婚姻状況、学歴、職業の種類、居住地域と国（日本に固定）が含まれます。

引用

@software{nvidia/Nemotron-Personas-Japan,
author = {Fujita, Atsunori and Gong, Vincent and Ogushi, Masaya and Yamamoto, Kotaro and Suhara, Yoshi and Corneil, Dane and Meyer, Yev},
title = {{Nemotron-Personas-Japan}: Synthetic Personas Aligned to Real-World Distributions},
month = {September},
year = {2025},
url = {https://huggingface.co/datasets/nvidia/Nemotron-Personas-Japan}
}