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 ⚡
This report is categorized under AITOP's "Products" desk. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include NVIDIA, Nemotron, Hugging Face, 合成数据.
Source attribution: curated from NVIDIA AI (@NVIDIAAI). Cross-source corroboration: 11 independent sources have covered this development (including pandaily, TestingCatalog, kimmonismus), confirming industry-wide signal strength.
