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 官方博客 11 月 9 日发文称，NVIDIA 与 Elith 发布 Nemotron-Personas-Finance-Japan，这是开源人物数据集 Nemotron-Personas-Japan 在金融领域的扩展版本。该数据集基于日本官方政府统计数据构建，将人口统计、家庭结构与资产状况、金融素养等信息结合起来，用于在不使用真实客户数据的情况下开发和评估金融领域的 AI 应用。官方称，这是首个把日本官方统计与家庭金融、金融素养数据相结合的百万条记录量级开放人物数据集。

数据集共包含 900 万个人物画像（100 万条记录，每条记录对应 9 种人物设定），以自然日语书写；每条记录含 50 个字段，包括 9 个画像字段、11 个画像属性和 30 个基于官方人口与劳动统计的上下文字段，合计约 15 亿 token，其中画像 token 约 7.5 亿，另有约 95 万个不同姓名和 1600 多个职业类别。其构建使用 NVIDIA 的 NeMo Data Designer 与 NeMo SDG-PGMs 概率图模型框架，并采用 gemma-4-31B-it 生成日语文本。数据集在学历、职业、人生阶段、家庭资产与数字及金融素养等维度上做了补充细化。

该数据集以 CC BY 4.0 许可发布，可用于商业和非商业用途，并能接入用户模拟框架 NeMo User Sim。设计过程中，参考了 Sompo Japan、Tokio Marine Holdings、Bank of Fukuoka、Mizuho Financial Group、Meiji Yasuda Life Insurance 及金融数据利用协会（FDUA）等日本金融机构和行业协会的反馈。同日还发布了 Nemotron-PII-Japan，包含 10 万份带个人信息的合成日文商务文档，用于训练和测试个人信息检测与脱敏模型。