Nemotron-Personas-Koreaは、NVIDIAが2026年に公開した合成韓国語キャラクターのデータセットで、韓国人の多様性と特徴を包括的に反映するように設計されています。このデータセットは、合成韓国語キャラクターとしては初の本格的なデータセットであり、主に主権AI合成データの多様性を拡大し、データとモデルのバイアスを軽減し、モデル応答の多様性を向上させるために使用されます。 このデータセットには、それぞれ7つの仮想キャラクターを持つ100万件のレコードが含まれており、合計で約700万件のキャラクター記述と約17億個のトークンがあり、そのうち10億個のトークンがキャラクターに関連しています。データは韓国の17の広域自治区と252の市区町村を対象とし、209,167の固有名が含まれています。このデータセットは、韓国統計情報サービス（KOSIS）、韓国最高裁判所、国民健康保険公団、韓国農村経済研究所、およびNAVER Cloudから提供された公式情報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。また、19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、有効なデータフィールドが25個（UUIDを除く）含まれており、7つの性格属性フィールドと18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、家族内での役割、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、文化的背景、スキルと専門知識、興味と趣味、性別、年齢、言語、婚姻状況、家族構成、教育レベル、職業コード、居住状況、兵役状況、最終学歴、住居の種類、居住地域と国（韓国に固定）が含まれます。

引用

@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}
}