NVIDIA发布Nemotron-Personas-Korea数据集，应用在人口统计、人工智能模型训练领域

NVIDIA本次发布的数据集Nemotron-Personas-Korea，Nemotron-Personas-Korea 是一个基于韩国真实人口统计、地理和性格特征分布合成的开源人物角色数据集（CC BY 4.0），旨在广泛反映韩国人口的多样性和特征。作为首个大规模韩语人物角色数据集，它包含了诸如姓名、性别、年龄、婚姻状况、教育水平、职业和居住地区等属性，这些数据基于韩国统计信息服务中心（KOSIS）、韩国最高法院、国民健康保险公团、韩国农村经济研究院和NAVER Cloud的官方统计数据合成。该数据集支持韩国模型开发者构建包含重要地区特定人口统计和文化背景的Sovereign AI系统。数据集包含100万条记录，涵盖700万个人物角色，26个字段，包括7个人物角色字段、6个人物角色属性字段、12个人口统计和地理背景字段以及1个唯一标识符。数据集适用于提高合成数据的多样性、缓解数据和模型偏见以及改善模型响应的多样性。

查看Nemotron-Personas-Korea

Dataset card内容：

Files and versions内容：

关于NVIDIA，英伟达是一家专注于图形处理器开发的全球知名技术公司。

关于HuggingFace，Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的开发与分享。它提供了丰富的资源，包括超过100万个模型、25万个数据集和40万个应用程序，支持文本、图像、视频、音频和3D等多种模态。此外，平台还提供企业级解决方案和开源工具，如Transformers、Diffusers等，以加速机器学习的研究和应用。