NVIDIA 发布 Nemotron-Personas-Japan V2 与 PII Japan 合成数据集
NVIDIA 这次给日本开发者发了两个能直接用的合成数据集：千万级的日本用户画像和 10 万条带标注的 PII 检测数据。做日语本地化训练或敏感信息脱敏的团队可以免掉真实数据的合规麻烦，直接在 Hugging Face 下载。
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。
This is amazing for Japan! 🇯🇵 Two new NVIDIA Nemotron synthetic datasets for Japanese personas and personal information detection. Available now on @huggingface : huggingface.co/datasets/nvidi… vx huggingface.co/datasets/nvidi… Rd NVIDIA AI Japan @NVIDIAAIJP NVIDIA Agentic AI Day にて、合成データセット Nemotron-Personas-Japan V2、および Nemotron PII Japan を公開しました。 ■ Nemotron-Personas-Japan V2: 約 1,000 万件の日本人合成ペルソナに、収入や資産などの金融属性を追加。実在の個人情報を使わずに日本の多様なユーザー像を再現できます。 ■ Nemotron PII Japan: 医療、金融、行政など 8 分野、約 43 種類の日本語文書を想定した 10 万件規模の完全合成データセット。 PII の位置と種類のアノテーション付きで、検出、マスキング モデルの学習、評価にご活用ください。 👉 nvda.ws/4sTbE1M m 🔗 View Quoted Tweet📊 7 ⚡
本条情报归属 AITOP「产品」核心追踪栏目。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：NVIDIA、Nemotron、Hugging Face、合成数据，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「NVIDIA AI」（@NVIDIAAI），经 AITOP 多维评分管线结构化提炼。截至目前，全网已有 11 家独立信源对该事件进行交叉印证与跟进报道（含 pandaily、TestingCatalog、kimmonismus 等），属于近期高关注度行业信号。
