NVIDIA 发布 Nemotron-Personas-Japan V2 与 PII Japan 合成数据集

NVIDIA AI Japan 在 NVIDIA Agentic AI Day 上发布了两个面向日语场景的合成数据集，均已上架 Hugging Face。Nemotron-Personas-Japan V2 包含约 1,000 万条日本人合成 persona，并新增了收入、资产等金融属性字段，可在不使用真实个人信息的前提下模拟日本多样化用户画像，适合做推荐、营销模拟或模型训练。Nemotron PII Japan 则是约 10 万条规模的完全合成数据集，覆盖医疗、金融、行政等 8 个领域约 43 种日语文档类型，每条数据都带有 PII 的位置和类型标注，可直接用于训练和评估敏感信息检测与脱敏模型。对受《个人信息保护法》约束、难以拿到真实语料授权的日本企业来说，这类带标注的合成数据提供了从零构建 PII 检测模型的路径，也为日本本地化模型研究补充了此前稀缺的高质量语料。