NVIDIA发布Nemotron-Personas-Korea：700万条韩国AI智能体合成人格数据集
为什么重要
NVIDIA联合合作伙伴发布了开源数据集Nemotron-Personas-Korea，包含700万条基于韩国官方人口统计数据的合成人格。目标是在不涉及隐私风险的前提下，支持具有文化感知能力的AI智能体开发。
NVIDIA联合NAVER Cloud发布了全新开源数据集Nemotron-Personas-Korea，包含700万条基于韩国官方人口统计数据的合成人格。数据集以CC BY 4.0许可证发布于HuggingFace，是面向智能体AI系统开发的更广泛Nemotron生态系统的组成部分。本次发布恰逢在首尔举办的NVIDIA Nemotron开发者日（2026年4月21至22日）。
为何文化特定人格对智能体至关重要？
通用LLM在需要本地理解的领域常常表现不佳——客户服务、教育智能体、公共服务或医疗咨询。以韩语为例，其使用复杂的正式语域（존댓말，即敬语体系），这对专业沟通至关重要。仅基于英语数据训练的智能体会产生生硬甚至冒犯性的回答。Nemotron-Personas-Korea覆盖韩国全部17个省份和25个区，包含约20.9万个独特姓名、2000多个职业类别以及七种人格类型——职业型、家庭型、运动型、艺术型、旅行型、美食型和简洁型。开发者可以将这些人格加载到智能体的系统提示中，立即将其融入韩国语境。
700万条合成人格如何保护隐私？
数据集完全合成——不包含任何真实个人数据（PII）。它使用NVIDIA的开源平台NeMo Data Designer（Apache-2.0概率图模型用于统计扎根）以及Gemma-4-31B模型生成韩语叙事。基础统计输入来自官方来源：韩国统计局（KOSIS）的2020至2026年人口数据、韩国最高法院的姓名分布数据、国家健康保险服务以及韩国农村经济研究院。该方法符合韩国《个人信息保护法》（PIPA）和个人信息保护委员会发布的合成数据官方指南。
Nemotron-Personas-Korea在NVIDIA更广泛生态系统中处于何种位置？
韩国数据集是更广泛Nemotron-Personas系列的组成部分，该系列已包含美国、日本、印度、新加坡（与AI Singapore合作）、巴西（与WideLabs合作）和法国（与Pleias合作）版本。NVIDIA为开发者提供三条通往生产环境的路径：NVIDIA API目录（兼容OpenAI接口，用于快速测试）、用于自托管推理的NVIDIA NIM微服务，以及用于常驻智能体的开源NemoClaw参考栈。本次发布在逻辑上延续了NVIDIA通过Openshell平台与Adobe和WPP建立合作伙伴关系的早间新闻——共同展示了NVIDIA不仅将自身定位为硬件供应商，更将其定位为覆盖智能体完整生命周期的开源工具关键提供商的一贯战略。对于规模较小的市场开发者，这种与本地云服务提供商和统计机构合作的模式或可成为未来本地化数据集的参考蓝图。
本文由人工智能基于一手来源生成。