NVIDIA 开源两组日语合成数据集:千万级 Persona 与 10 万条 PII 标注
NVIDIAAI · x · 2026-11-11
NVIDIA 在 Hugging Face 上发布两个面向日语的 Nemotron 合成数据集:
- Nemotron-Personas-Japan V2:约 1000 万条日本合成 Persona,在既有版本上补充收入、资产等金融属性,可在不使用真实个人信息的情况下再现日本多样化用户画像;
- Nemotron PII Japan:覆盖医疗、金融、行政等 8 大领域约 43 类日语文档的 10 万条全合成数据,自带 PII 位置与类型的标注,可用于训练和评测个人敏感信息检测、脱敏模型。
数据集采用 CC-BY-4.0 许可,parquet 格式,可直接在 Hugging Face 上浏览。
「研究」频道最新
- 「10%挑战」截止收 submissions:砍掉90%权重且不许训练也要打平原模型 — tokenbender · 2026-11-13
- Photonics Atlas 收录4537个光学里程碑,按时间轴可交互浏览 — jwt0625 · 2026-11-13
- Inkling 2 Small 采纳 Kimi 注意力残差机制,作者拆解实现细节 — akbirthko · 2026-11-13
- GovAI 新论文：通用 AI 何时能自主控制军用无人机 — sethlazar · 2026-11-13
- 论文主张防御网络攻击须先教会 AI Agent 搞黑客攻击 — terryyuezhuo · 2026-11-13
- SimpleHC：去掉残差混合，仅 2.4% 额外训练时间逼近 mHC 性能 — dots-studio · 2026-11-13