NVIDIAが2026年に公開したNemotron-Personas-El Salvadorデータセットは、エルサルバドル人の合成データセットです。このデータセットは、エルサルバドル国民の多様性と特徴を包括的に反映することを目的としており、主にエルサルバドルの主権に関するAIモデルの開発を支援し、データバイアスを軽減し、エルサルバドルの文化的背景におけるモデル応答の多様性を高めるために使用されます。 このデータセットには、約100万件のキャラクター記述と約3億トークン（うち1億6100万トークンはキャラクター関連情報）を含む14万8000件のレコードが含まれています。データはエルサルバドルの14の州と44の都市を対象とし、約14万4000の固有名詞が含まれています。このデータセットは、エルサルバドルの2024年第7回国勢調査および第6回国勢調査に基づく、実際の人口統計、地理的分布、および職業統計に基づいています。すべてのキャラクターは完全に仮想のものであり、実際の個人識別情報とは一切関係ありません。また、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、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、キャリア目標、性別、年齢、言語、婚姻状況、家族構成、教育レベル、職業の種類、居住地域と居住国（エルサルバドルに固定）が含まれます。

引用

@software{nvidia/Nemotron-Personas-El-Salvador,
author = {Malossi, Rodrigo and Manoel, Andre 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-El-Salvador: Synthetic Personas Aligned to Real-World Distributions for El Salvador}},
year = {2026},
url = {https://huggingface.co/datasets/nvidia/Nemotron-Personas-El-Salvador}
}