NVIDIA 与 Elith 发布 Nemotron-Personas-Finance-Japan 日本金融合成人物数据集

OmniTools 11月9日消息，NVIDIA 与 Elith 联合发布开源人物数据集 Nemotron-Personas-Finance-Japan，这是 Nemotron-Personas-Japan 的金融领域扩展版本，将日本公开人口统计与家庭财务状况、金融素养数据相结合。据官方说明，这是其所知范围内首个规模达 100 万条记录的日本开放人物数据集，可用于构建对话智能体、客户模拟与模型评估。

数据集共包含 100 万条记录、每条记录 9 个人物，合计约 900 万个人物描述，全部以自然日语书写。每条记录含 50 个项目，包括 9 个人物字段、11 个人物属性和 30 个基于公开人口与劳动统计的上下文项目；总 token 数约 15 亿，其中约 7.5 亿与人物相关，覆盖约 95 万个不同姓名和 1600 多个职业类别，并纳入教育路径、生活阶段、家庭资产、数字与金融素养等维度。所有人物均为完全合成数据，并非基于真实个人。

该数据集基于 NVIDIA 的 NeMo Data Designer 构建，并使用概率图模型框架 NeMo SDG-PGMs 与日语文本生成模型 gemma-4-31B-it。开发过程中参考了损保日本、东京海上控股、福冈银行、瑞穗金融集团、明治安田生命保险以及金融数据活用推进协会（FDUA）等机构的反馈。数据集以 CC BY 4.0 许可发布，商用与非商用均可使用，并可与 NeMo User Sim 模拟框架配合。

同日发布的还有 Nemotron-PII-Japan，包含 10 万份带标注个人信息的日语合成商业文档，用于训练和测试个人信息的检测与脱敏模型。开发者可用前者模拟客户，用后者检验流程对个人信息的保护效果。